我主要分三篇文章给大家介绍tensorflow的损失函数，本篇为tensorflow内置的四个损失函数（一）tensorflow内置的四个损失函数（二）其他损失函数（三）自定义损失函数损失函数（loss function），量化了分类器输出的结果（预测值）和我们期望的结果（标签）之间的差距，这和分类器结构本身同样重要。有很多的学者花费心思探讨如何改良损失函数使得分类器的结果最优，因...

我主要分三篇文章给大家介绍tensorflow的损失函数，本篇为tensorflow自定义损失函数。（一）tensorflow内置的四个损失函数（二）其他损失函数（三）自定义损失函数自定义损失函数是损失函数章节的结尾，学习自定义损失函数，对于提高分类分割等问题的准确率很有帮助，同时探索新型的损失函数也可以让你文章多多。这里我们介绍构建自定义损失函数的方法，并且介绍可以均衡正负例...

这是第二部分，如果cmake和ITK成功的编译了我们就可以正式的安装和使用三维的dense CRF 条件随机场了。再次赘述，这篇文章并不是要告诉大家复杂的条件随机场的数学原理，或者如何从源码编写crf程序，而是如何告诉大家如何使用别人已经写好的的工具去使用三维CRF分割三维的图像，其中主要是MRI图像的分割。环境是linux环境，ubuntu 16.04 server版本没有图形界。文章主要分为.

所谓的优化器，就是tensorflow中梯度下降的策略，用于更新神经网络中数以百万的参数。工程师们除了在不断的推出新的神经网络的结构以外，还在不断的推出新的参数更新的策略，在这篇博客中，我们就列举tensorflow中所有的优化器，并对几个进行讲解。为了列举所有的优化器，我们首先把tf包中所有的优化器都罗列出来。这里使用的是tf10版本，目前最新的版本，进入python，用dir(tf.trai.

Mathematica是一款强劲的数学分析型软件，以符号计算见长。下面我们就来认识一下各种基础操作：1,基础运算操作1.1运算符：Mathematica支持我们常见的运算符+ - * / ^ ! （加，减，乘，除，指数，阶乘）。逻辑运算符&&与，||或，！非1.2表达式：在Mathematica中可以直接将字母符号带入运算，这在大部分的数学软件中是不允许的，如x+y

【代码】Git常用流程（for Gitee）

0. 层次分析法简介层次分析法（Analytic Hierarchy Process，简称AHP）主要是对于定性的决策问题进行定量化分析的方法。举个例子，在日常生活中，我们经常需要进行感性的判断，比如报高考志愿，感觉清华北大都很好，到底要报哪个；再比如去市场买菜，到底是买青椒做青椒炒鸡蛋，还是买黄瓜做黄瓜炒鸡蛋；再比如想去出游，到底是去公园A还是公园B。上面提到的这些问题，都是决策，也叫做评价类.

网络分析是数据挖掘中重要的一部分，涉及到的知识和图论有一定的联系，这里讲到的网络分析更倾向于社交网络分析，可以是人与人之间的好友关系，电子邮件的发送关系，也可以推广到互联网网站之间的关系等等。为什么我们要研究网络分析呢，随着大数据时代的到来，人们积累数据的意识也越来越强烈，那么如何在积累到的数据中获得我们想要的信息，越来越受到人们的关注。社交网络，QQ空间或者朋友圈的公开评价，公司电子邮件的记..

0. 斯皮尔曼相关系数简介斯皮尔曼相关系数（Spearman）也被叫做斯皮尔曼等级相关系数，同样用于衡量两个变量之间的相关性，在之前对皮尔逊相关系数的介绍中，我们提到了在进行皮尔逊相关系数运算的时候需要确定数据是否符合正态分布等等，较为麻烦，同时不满足正态性的数据难道就没有办法判断相关性了吗？离散的数据如何判断相关性呢？因此有人提出了另一种方法，即用数据的大小顺序来代替数值本身。这种替代方法，..

0. 皮尔逊相关系数简介相关系数是衡量两个数据相关关系的指标，两个数据相关在某种程度上可以帮助人们理解事物的变化规律。例如在商品推荐中，我们已知一个用户A的购买喜好，同时发现另一个用户B的购买数据和A相关性很高，那么我们可以根据A的喜好去给B推荐相关的产品，等等。皮尔逊相关系数（Pearson correlation coefficient）就是最为常用的用来衡量两个变量线性相关关系的指标，有了.