TensorFlow 2.0前言Tensorflow是Google推出的机器学习开源神器，对Python有着良好的语言支持，支持CPU，GPU和Google TPU等硬件，并且已经拥有了各种各样的模型和算法。目前，Tensorflow已被广泛应用于文本处理，语音识别和图像识别等多项机器学习和深度学习领域。基础框架分为三层：应用层、接口层和核心层。应用层：提供了机器学习相关的训练库、预测库和针对Py

第一章、绪论最近上了一门《模式识别》的课程，老师讲的课将某些知识点给简化了。我在这里将上课讲到的知识点内容进行一些补充和概括，以保自己能从中真正学习到一点东西。1.1 模式识别的基本概念模式：通过信息采集的采集，形成的对一个对象的描述。模式类：模式所属的类别或同一类中的模式的总体。模式识别：利用计算机（或者少量的人为干扰）自动地将待识别的事物分配到各个模式类中的技术。例题：如果一位姓王的先生是位老

前言最近实习，部长给了我一个灵敏度分析算法的工作。灵敏度分析分为局部灵敏度分析和全局灵敏度分析；局部灵敏度分析包括：直接求导法、有限差分法、格林函数法。全局灵敏度分析算法有筛选法、蒙特卡洛方法、基于方差的方法。筛选法主要有IFFD、MOAT、COTTER法等，一般用于分析包含大量输入变量的系统模型、计算量相对较小。蒙塔卡罗方法是一种主要基于统计学理论的方法，包括散点图法、相关系数法、回归分析法等，

import numpy as npnp.random.randint(a, b, size=(c, d)):注：a-b表示生成[a,b]数的范围，后面size表示生成矩阵的大小#eg:np.random.randint(0,10,(4,3))array([[0, 3, 6],[8, 0, 8],[6, 5, 8],[7, 0, 9]])np.random.rand(a, b)注：通过本函数可以返