第一章 大数据概述1.1 大数据时代1.1.1 信息科技为大数据时代提供技术支持①存储设备容量不断増加——解决了信息存储的问题②CPU处理能力大幅提升——解决了信息处理的问题③网络带宽不断増加——解决了信息传输的问题1.1.2 数据产生方式的变革促成大数据时代的来临数据是我们通过观察、实验或计算得出的结果。数据和信息是两个不同的概念。信息是较为宏观的概念，它由数据的有序排列组合而成...

这次深度学习实验课上，老师要求我们用 numpy 第三方库自己动手实现全连接神经网络，并在经典的 MNIST 数据集上训练和评估自己的模型，即通过全连接神经网络初步解决手写体数字识别问题。实验题目需要实现的网络结构有一个输入层、一个隐藏层和一个输出层，并且隐藏层的激活函数为 Relu 函数，输出层的激活函数为 softmax 函数，损失函数为交叉熵函数。

一类通过多层非线性变换对高复杂性数据建模算法的集合，可见，深度学习有两个重要的特性——多层和非线性。线性模型的最大特点是任意线性模型的组合仍然还是线性模型。只通过线性变换，任意层的全连接神经网络和单层神经网络模型的表达能力没有任何区别。线性可分问题是指线性模型就可以解决的问题，而所谓深度学习中的复杂问题，至少是无法通过直线或高维空间的平面划分的。然而在现实世界中，大多数问题都是无法线性分割的。激活

近些年，人工智能技术的巨大突破重塑了人类社会的方方面面，然而这种成功的背后却是巨量的能源消耗和二氧化碳排放。本文从实际数据出发探讨了人工智能模型产生巨量能耗和碳排放的现象和原因，并说明了人工智能技术需要低碳转型，要走可持续的绿色人工智能之路。

TensorFlow最重要的概念是Tensor和Flow。Tensor是张量，可被简单地理解为多维数组；Flow是流，直观地表达了张量之间通过计算相互转化的过程计算神经网络的前向传播的结果需要三部分的信息：神经网络的输入，这个输入就是从实体中提取的特征向量；神经网络的连接结构，即不同神经元之间输入输出的连接关系；神经网络中神经元之间的边的权重训练神经网络的过程可分为3个步骤：定义神经网络的结构和前

TensorFlow游乐场是通过网页浏览器就可以训练的简单神经网络并实现了可视化训练过程的工具：http://playground.tensorflow.orgTensorFlow游乐场展示的是全连接神经网络，同层的节点不会相互连接，每层只和下一层连接神经网络解决分类问题的四个步骤：提取问题中实体的特征向量；定义神经网络的结构，定义如何从神经网络的输入到输出，设置隐藏层数和节点个数（前向传播）；通

封装成帧（framing）就是在一段数据的前后分别添加首部和尾部，这样就构成了一个帧，接收端在收到物理层上交的比特流后，就能根据首部和尾部的标记，从收到的比特流中识别帧的开始和结束。透明传输中的“透明”是一个很重要的术语，它表示某一个实际存在的事物看起来却好像不存在一样，在数据链路层透明传送数据表示无论什么样的比特组合的数据，都能够按照原样没有差错地通过这个数据链路层。现实的通信链路都不会是理想的

近些年，人工智能技术的巨大突破重塑了人类社会的方方面面，然而这种成功的背后却是巨量的能源消耗和二氧化碳排放。本文从实际数据出发探讨了人工智能模型产生巨量能耗和碳排放的现象和原因，并说明了人工智能技术需要低碳转型，要走可持续的绿色人工智能之路。

封装成帧（framing）就是在一段数据的前后分别添加首部和尾部，这样就构成了一个帧，接收端在收到物理层上交的比特流后，就能根据首部和尾部的标记，从收到的比特流中识别帧的开始和结束。透明传输中的“透明”是一个很重要的术语，它表示某一个实际存在的事物看起来却好像不存在一样，在数据链路层透明传送数据表示无论什么样的比特组合的数据，都能够按照原样没有差错地通过这个数据链路层。现实的通信链路都不会是理想的

一、修改配置文件需要配置相关文件，才能够让Hadoop在伪分布式模式下顺利运行，Hadoop的配置文件位于/usr/local/hadoop/etc/hadoop/中，进行伪分布式模式配置时，需要修改2个配置文件，即core-site.xml和hdfs-site.xml。可以使用vim编辑器打开core-site.xml文件，它的初始内容如下：<configuration>&l...