（1）CUDA与opencl:虽然两者抱着相同的目标：通用并行计算。但是CUDA仅仅能够在NVIDIA的GPU硬件上运行，而OpenCL的目标是面向任何一种Massively Parallel Processor，期望能够对不同种类的硬件给出一个相同的编程模型。由于这一根本区别，二者在很多方面都存在不同。跨平台性和通用性，这一点上OpenCL占有很大优势（这也是很多National Laborat

转自：https://blog.csdn.net/wjandy0211/article/details/78802044大数据是收集、整理、处理大容量数据集，并从中获得见解所需的非传统战略和技术的总称。虽然处理数据所需的计算能力或存储容量早已超过一台计算机的上限，但这种计算类型的普遍性、规模，以及价值在最近几年才经历了大规模扩展。本文将介绍大数据系统一个最基本的组件：处理框架。处理框架负责对系统中

Sigmoid函数又叫Logistic函数，它在机器学习领域有极其重要的地位。以前一直不是很理解Sigmoid函数的重要性，查了很多资料，大体上屡了一下，不过数学功底太差，很多地方理解的不够透彻。这里简单记录一下。一 函数基本性质二 Sigmoid函数与逻辑回归三 为什么要选择Sigmoid函数LR的需求选择Sigmoid是可以的Sigmoid特殊的性质为什么选择Sigmoid正态分...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/CherDW/article/details/54891073逻辑回归：可以做概率预测，也可用于分类，仅能用于线性问题。通过计算真实值与预测值的概率，然后变换成损失函数，求损失函数最小值来计算模型参数，从而得出模型。 sklearn.linear_model.LogisticRegres...

 正则化在机器学习中经常出现，但是我们常常知其然不知其所以然，今天Cathy将从正则化对模型的限制、正则化与贝叶斯先验的关系和结构风险最小化三个角度出发，谈谈L1、L2范数被使用作正则化项的原因。Cathy是初学者，理解有限，若有理解错误的地方还望大家批评指正。  首先我们先从数学的角度出发，看看L0、L1、L2范数的定义，然后再分别从三个方面展开介绍。L0范数指向量中非零元素的个数L...

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/CherDW/article/details/54891073逻辑回归：可以做概率预测，也可用于分类，仅能用于线性问题。通过计算真实值与预测值的概率，然后变换成损失函数，求损失函数最小值来计算模型参数，从而得出模型。 sklearn.linear_model.LogisticRegres...

运行的时候会抱错说找不到tmp folder. 这是因为在一般Python都是在Linux下面， 在Windows下面盘符不存在，修改下default=os.path.join(os.getenv('TEST_TMPDIR', '/tmp'),default=os.path.join(os.getenv('TEST_TMPDIR', 'D:\\'),...

减少batchsize的大小

最近想学习TensorFlow深度学习编程，然后就开始查这方面的信息。第0步是安装环境，配置环境。首先到TensorFlow的官网查看在Windows上安装的条件和步骤。可以仅仅安装CPU版本的，也可以安装gpu版本的，以安装gpu版本为例进行介绍，发现需要安装CUDA和cuDNN，而且CUDA要求8.0版本。 第1步：你是不是觉得你有显卡就可以安装CUDA，进行加速呢!答案是否定的。因为CUDA

1、在Maven项目或者pom.xml上右键——>Run As ——>“Maven Build...”或者Run Configuration——>“Maven Build”2、在“Goals”输入框中输入：clean install -X3、使用时在Run As中选中Maven build即可mvn命令若干：mvn -h，不会用时，可寻求帮助。mvn cl