政安晨：【示例演绎】【Python】【Google/JAX】（一）—— 专为高性能与大规模机器学习设计
目录 简述 开始 转换 自动分级 使用 jit 进行编译 使用 vmap 自动矢量化 使用 pmap 进行 SPMD 编程 简述 JAX是谷歌开发的一个机器学习库，专门用于高性能的数值计算和自动微分。它建立在NumPy、SciPy和Cython的基础上，并结合了XLA（Accelerated Linear Algebra）编译器，可以实现高效的计算。 JAX的一个核心特性是支持自动微分。它可以自动计算函数...
机器学习——聚类算法-KMeans聚类
机器学习——聚类算法-KMeans聚类 在机器学习中，聚类是一种无监督学习方法，用于将数据集中的样本划分为若干个簇，使得同一簇内的样本相似度高，不同簇之间的样本相似度低。KMeans聚类是一种常用的聚类算法之一，本文将介绍KMeans算法的原理、流程、聚类质量评价方法、优缺点以及KMeans++算法，并通过Python实现一个简单的KMeans聚类算法示例。 KMeans算法流程 KMeans算法的流程...
大数据毕业设计hadoop+spark旅游推荐系统 旅游可视化系统 地方旅游网站 旅游爬虫 旅游管理系统 计算机毕业设计 机器学习 深度学习 知识图谱
基于hive数据仓库的贵州旅游景点数据分析系统的设计与实现 摘 要 随着旅游业的快速发展和数字化转型，旅游数据的收集和分析变得越来越重要。贵州省作为一个拥有丰富旅游资源的地区，旅游数据的分析对于促进旅游业的发展和提升旅游体验具有重要意义。基于Hive数据仓库的贵州省旅游景点数据分析系统的设计与实现，旨在建立一个高效、可靠且功能丰富的系统，帮助利益相关者准确理解和利用旅游数据，为决策和规划提供可靠依据。 ...
机器学习——卷积神经网络中的其他类型
机器学习——卷积神经网络中的其他类型 卷积神经网络（Convolutional Neural Networks, CNNs）是深度学习领域中最重要的技术之一，它在图像处理、语音识别、自然语言处理等领域取得了巨大成功。在CNN中，卷积层是最核心的组成部分之一，而卷积操作又有许多不同类型，本文将重点介绍其中的两种特殊类型：空洞卷积和转置卷积。 1. 空洞卷积（Dilated Convolution） 空洞卷...
政安晨：【Keras机器学习实践要点】（十三）—— 利用 TensorFlow 进行多 GPU 分布式训练
目录 前言 设置 单主机、多设备同步培训 工作原理 如何使用 使用回调确保容错 tf.data 性能提示 数据集批处理注意事项 调用 dataset.cache() 调用 dataset.prefetch(buffer_size) 本文是使用 TensorFlow 对 Keras 模型进行多 GPU 训练的指南。 前言 在多台设备之间分配计算通常有两种方法： 数据并行，即在多个设备或多台机器上复制单个模型...
机器学习——卷积的变种
机器学习——卷积的变种 卷积神经网络（Convolutional Neural Networks, CNNs）是深度学习领域中最重要的技术之一，它在图像处理、语音识别、自然语言处理等领域取得了巨大成功。在CNN中，卷积层是最核心的组成部分之一，而卷积操作有许多不同的变种，本文将简单介绍窄卷积、宽卷积和等宽卷积这三种常见的卷积变种。 1. 基本概念 在深度学习中，卷积操作是一种有效的特征提取方式，它通过在...
机器学习——卷积基础
机器学习——卷积基础 卷积在机器学习中扮演着重要的角色，尤其在计算机视觉领域。本文将介绍卷积的基本概念、组成部分和方法，并用Python实现算法。 1. 基本概念 卷积是一种在数学上的运算，它通过将两个函数进行加权平均来产生第三个函数。在机器学习中，卷积通常用于处理图像、音频和文本数据。卷积操作可以用于提取特征、降维和处理数据。 2. 基本组成部分 滤波器（Filter）：滤波器是一个矩阵，用于对输入数...
机器学习全攻略：概念、流程、分类与行业应用案例集锦
目录 1.引言 2.从零开始认识机器学习：基本概念与重要术语 3.五步走：掌握机器学习项目执行的完整流程 3.1.问题定义与数据收集 3.2.数据预处理与特征工程 3.3.模型选择与训练 3.4.模型评估与优化 3.5.模型部署与监控 4.深入了解各类机器学习方法及其差异 4.1.监督学习 4.2.无监督学习 4.3.半监督学习 4.4.强化学习 4.5.深度学习 5.行业应用案例剖析：医疗、金融、零...
从零开始机器学习（机器学习 监督学习之线性回归 损失函数及可视化 梯度下降 线性回归的平方误差损失函数 lab实验）
文章目录 机器学习定义监督学习之线性回归损失函数及可视化梯度下降线性回归的平方误差损失函数lab实验 机器学习定义 机器学习就是机器通过不断训练数据集从逐渐知道正确的结果 机器学习包括监督学习和非监督学习 监督学习：需要输入数据和结果数据来不断训练学习 监督学习包括回归和分类 回归是结果是连续的，不是有限的 分类是结果是离散的，是有限的 非监督学习：只需要输入数据来学习 例如聚类（将某类输入数据分一组，...
机器学习—— PU-Learning算法
机器学习—— PU-Learning算法 本篇博客将介绍PU-Learning算法的基本概念、基本流程、基本方法，并简单探讨Two-step PU Learning算法和无偏PU Learning算法的具体流程。最后，将通过Python代码实现一个简单的PU-Learning示例，以便更好地理解这些概念和算法。 1. 基本概念 PU-Learning是一种解决类别不平衡问题的机器学习方法，其中类别包括正...