学习教材是邓力和俞栋写的“深度学习方法及应用”，是一本综述性的书。1、深度学习全称应该是深度结构学习，采用多层的、非线性信息处理方法，大概就是结构比较深的神经网络算法，也是包括输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作是一个逻辑回归模型；这种分层结构，是比较接近人类大脑的结构的。深度学习算法的实现依赖于三个因素：①算法本身的...
1.主要应用 2.各种应用(1)卷积神经网络CNN,主要应用于图像方面 典型案例：原文：https://www.cnblogs.com/luckyplj/p/12586244.html
http://blog.csdn.net/zouxy09/article/details/8775360一、概述 Artificial Intelligence，也就是人工智能，就像长生不老和星际漫游一样，是人类最美好的梦想之中的一个。尽管计算机技术已经取得了长足的进步。可是到眼下为止。还没有一台电脑能产生“自我”的意识。是的，在人类和大量现成数据的帮助下，电脑能够表现的十分强大。可是离开了这两者，它甚至都不能分辨一个喵星人和一个汪星人。 图灵（图灵，大家都知道...
Error analysisCarrying out error analysisError analysis是手动分析算法错误的过程。通过一个例子来说明error analysis的过程。假设你在做猫图像识别的算法，它的错误率高达10%，你希望提高它的表现。
你已经有了一些改进的想法，包括：算法把狗的图片错误识别为猫，需要修正；算法把其他一些猫科动物（比如狮子，豹，...）错误识别为猫，需要修正；算法对于比较模糊的图片容易识别错误，需要改进；算法对于加了滤镜的图片容易识...
一、卷积卷积神经网络(Convolutional Neural Networks)是一种在空间上共享参数的神经网络。使用数层卷积，而不是数层的矩阵相乘。在图像的处理过程中，每一张图片都可以看成一张“薄饼”，其中包括了图片的高度、宽度和深度（即颜色，用RGB表示）。在不改变权重的情况下，把这个上方具有k个输出的小神经网络对应的小块滑遍整个图像，可以得到一个宽度、高度不同，而且深度也不同的新图像。卷积时有很多种填充图像的方法，以下主要介...
我们在计算模型w的转置乘上x的时候，往往需要把w和x分别进行向量化然后运算，因为这样会使我们的计算机得到结果的时间更快，而且这种方法不管是在CPU还是在GPU上都是成立的，首先我们来看看代码：import numpy as np
import time
a=np.random.rand(1000000)
b=np.random.rand(1000000)
toc=time.time()
c=np.dot(a,b)
tic=time.time()
print("向量化之后计算的时间为："+str(1000*(tic-toc))+"ms")
c=0
tic=time.time()
for i in r...
深度学习So far this weekEdge detectionRANSACSIFTK-MeansLinear classifierMean-shiftPCA/EigenfacesImage featuresCurrent ResearchLearning hierarchical representations from dataEnd-to-end learning: raw inputs to predictionscan use a small set of simple tools to solve many problemshas led to rapid progress on many problemsInspired by the brain(very loosely!)Deep learning for different problemsvision ta...
1.高效计算基础
(1)python的基本语法
字符串类型如下图：(2)python的相关工具包
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。SciPy 是一个开源的 Py...
这里主要梳理一下作业的主要内容和思路，完整作业文件可参考:
https://github.com/pandenghuang/Andrew-Ng-Deep-Learning-notes/tree/master/assignments/C2W3
作业完整截图，参考本文结尾：作业完整截图。
TensorFlow Tutorial （Tensorflow教程）
Welcome to this weeks programming assignment. Until now, youve always used numpy to build neural networks. Now we will step you through a deep learning framework that ...
前言
不论是校招还是社招都避免不了各种面试、笔试，如何去准备这些东西就显得格外重要。不论是笔试还是面试都是有章可循的，我这个“有章可循”说的意思只是说应对技术面试是可以提前准备，所谓不打无准备的仗就是这个道理，以下为大家，描述了从面试准备到最后的拿到offer提供了非常详细的目录，建议可以从头看是看几遍，如果基础不错的话也可以挑自己需要的章节查看。
八大库
1.libavutil 核心工具库，最基础模块之一，其他模块...
6.1 处理文本数据
6.1.1 单词和字符的one-hot编码
(1)单词级的one-hot编码： 1 # 单词级的one-hot编码2 import numpy as np3 4 # 初始数据：每个样本是列表的一个元素(本例中的样本是一个句子，但也可以是一整篇文档)5 samples = [The cat sat on the mat., The dog ate my homework.]6 7 # 构建数据中所有标记的索引8 token_index = {}9 for sample in samples:
10 # 利用split方法对样本进行分词，在实际应用中，还需要从样本...
1 from keras.datasets import mnist2 from keras.utils import to_categorical3 4 #1. 获取数据5 (train_images, train_labels), (test_images, test_labels) = mnist.load_data()6 7 #2. 处理数据8 train_images = train_images.reshape((60000, 28, 28, 1))9 train_images = train_images.astype(float32) / 255
10
11 test_images = test_images.reshape((10000, 28, 28, 1))
12 test_images = test_images.astype(float32) /...
4.1 机器学习的四个分支
4.1.1 监督学习
含义：给定一组样本，它可以学会将输入数据映射到已知目标。
常见监督学习有：分类、回归、序列生成、语法树预测、目标检测、图像分割。
4.1.2 无监督学习
含义：是指在没有i目标的情况下寻找输入数据的有趣变换，其目的在于数据可视化、数据压缩、数据去噪或更好地理解数据中的相关性。
常见无监督学习有：降维、聚类。
4.1.3 自监督学习
含义：是没有人工标注的标签的监督学习，可以看...
1 import keras2 from keras.datasets import reuters3 import numpy as np4 from keras import models5 from keras import layers6 import matplotlib.pyplot as plt7 8 #1. 获取数据集9 (train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)10 11 # print(train_data.shape)#(8982,)12 # print(test_data.shape)#(2246,)13 14 15 #2. 数据处理16 #2.1 将整数序列编码为二进制矩阵17 def ...
一、安装相关包
安装dlib、cmake、face_recognition
二、获取人脸的128位数组编码
使用基本演绎法这两个演员的脸测试，只用了这两张正脸进行识别，如果要识别准确，得准备多种角度的照片，才能比较精准。# 使用Face recognition获取人脸128位数组from imutils.video import VideoStream
from imutils import paths
import face_recognition
import argparse
import pickle
import cv2
import os
import imutilsdef train():# grab ...
