继续之前的数据和工作，进行数据的标准化处理，具体数据可从下方博客链接获取剔除异常值放下表一和表二Excel的截图大体思路：实际问题中，不同数据可能有不同的性质和量纲，为进行模糊聚类，需进行标准化处理。这里采用极差变换：放代码：import numpy as npimport pandas as pdpath = "E:/Mo...

继续之前的数据和工作，进行数据的标准化处理，具体数据可从下方博客链接获取剔除异常值放下表一和表二Excel的截图大体思路：实际问题中，不同数据可能有不同的性质和量纲，为进行模糊聚类，需进行标准化处理。这里采用极差变换：放代码：import numpy as npimport pandas as pdpath = "E:/Mo...

是因为每次打开，都在从iCloud检索有没有文件改动。所以打开notebook的设置，找到iCloud设置，打开使用iCloud，这时他会进行备份备份完毕后，关闭使用iCloud选项，再打开，就不会再进行检索了

ctrl + shift + p 使用install package 安装一个transparency 插件，之后可以看到出现了透明效果按ctrl + shift + 1~6可以调节透明程度关于出现There are no packages available for installation的提示在利用sublime进行插件下载时，sublime会调用channel_v3.json文件，点击Pr

error: (-215:Assertion failed) !_image.empty() && _image.type() == (((0) & ((1 << 3) - 1)) + (((1)-1) << 3)) && (_image.isMat() || _image.isUMat()) in function 'cv::Hou

将conf目录下的zoo_sample.cfg复制一份，改名为zoo.cfg即可。看到 conf\zoo.cfg 配置文件没有找到。

Soft attention是一种全局的attention，其中权重被softly地放在源图像所有区域Hard attention一次关注图像的一个区域，采用0-1编码，时间花费较少，但是不可微分，所以需要更复杂的技术来进行训练下图是从果壳网（quora）摘取的一篇回答即在机器学习中soft 常常表示可微分，比如sigmoid和softmax机制而hard常常表示不可微分soft hard att

11-GAN基本思想（方法）初始化一个生成器G判别器D，每一次迭代，step1（先固定G，训练D）：G生成一组图片，再从数据库采样真实图片，用这两组对D进行训练，目标是使D对真实图片的评分高，而对G生成的图片的评分低step2（固定D，训练G）：G+D构成大网络，G产生图片，D对其识别评分，以此对G进行训练，使得输出数值越大越好结构学习 Structured learning传统机器学习可以表示为

6-CNN-3（理解卷积过程）计算卷积后特征图尺寸（步长1原图大小32，核5，则(32-5)/步长+1=28CNN层次序卷积层->ReLu层->池化层（下采样，压缩数据和参数数量）->全连接层边界0填充不丢弃原图信息，保持特征图与原图大小一致。核大小3 5 7 分别填充宽度1 2 3计算卷积核参数数量如核大小5，则5×5×3+1 （3通道，1个偏置）池化层7-CNN-case s

目的我们讨论线性分类我们要做的：定义一个损失函数，来衡量我们对于训练出来的分数的不满意程度找到一个有效找到减少损失函数的参数的方式（优化）多类支持向量机损失（Multiclass SVM Loss）上图为例，3个样例，共3类，每个数据表示为（xi, yi），分别表示图片和对应标签这个数据集的总体损失为每组损失 Li 的平均值上图右下角意思为：若正确类别的分数比其他的分数都...