循环神经网络实践
matplotlib笔记
Google 深度学习笔记 (Google Deep Learning Notes)
numpy笔记
机器学习常常需要fake数据,或者进行数据预处理,numpy是python科学计算的一把利器。
numpy
官方手册
,支持字母检索
常用方法:
生成数据:
arange: 生成一定范围内的数据
ones_like:生成与参数维度相同的数据
random模块:随机相关
np.random.shuffle:给一个ndarray做洗牌
数学计算:
exp:自然指数
sum:求和
numpy.linalg.norm
:求模
数据修改:
delete:从一个列表中删除
数据格式化:
vstack:转为纵向向量
书籍推荐
写给人类的机器学习
gaolinjie
•
machine-learning
•
10页
•
2018年7月8日
29
吴恩达cs229
jiacheng-pan
•
machine-learning
•
15页
•
2019年5月12日
0
机器学习实战
RedstoneWill
•
machine-learning
•
24页
•
2018年6月29日
7
HASKELL 趣學指南
MnO2
•
haskell
•
17页
•
2019年3月2日
301
什么是 Markdown
frank-lam
•
markdown
•
38页
•
2021年10月24日
0
深入解析Go
tiancaiamao
•
go
•
41页
•
2018年5月1日
1018
小字
大字
宋体
黑体
白天
护眼
夜晚
封面
简介
Lesson 1
Machine Learning to Deep Learning
Logistic Classification
Logistic Classification实践
Stochastic Optimization
Lesson 2
Deep Neural Network
Limit of Linear Model
Neural network
神经网络实践
优化神经网络:
Deep Network
深度神经网络实践
Lesson 3
Convolutional Networks
卷积神经网络实践
Lessson 4
Deep Models for Text and Sequence
循环神经网络实践
NumPy笔记
matplotlib笔记
sklearn笔记
TensorFlow笔记