Django学习2 Posted on 2021-12-06 Words count in article: 22.3k | Reading time ≈ 93 Django学习2Setup我们为了保留第一部分代码,因此新开一个文件夹,叫storefront2, 并在里面创建虚拟环境。 创建好以后,VSCode可能不会把该虚拟环境当做默认虚拟环境,因此我们需要设置一下: command+p 并在搜索栏敲> 呼出命令面板. 选择 python: sele ... Read more »
神经网络和反向传播 Posted on 2021-12-02 Words count in article: 6.8k | Reading time ≈ 28 神经网络和反向传播损失函数和优化在大多数机器学习模型中,都会有一个损失函数(lost function)。比如常见的MSE: L(w,b) = \frac{1}{N}\sum_{i=1}^n(y_i-f(wx_i+b))^2损失函数用来衡量机器学习模型的精确度。一般来说,损失函数的值越小,模型的精 ... Read more »
计算机视觉-神经网络的训练 Posted on 2021-12-02 Words count in article: 9k | Reading time ≈ 34 计算机视觉-神经网络的训练引入我们在 卷积神经网络理论 这篇博客中粗略学习了卷积神经网络的相关知识。 在那篇博客里,我们用举了很多例子,比如说手写识别,图像分类。但其实CNN还有其他作用,比如: 风格迁移 我们输入一张内容图片,再输入一张风格图片,通过最小化内容的损失和风格的损失来获取一张既保 ... Read more »
数据库-系统可用性 Posted on 2021-12-01 Words count in article: 4k | Reading time ≈ 15 数据库-系统可用性系统的可用性是指:一个系统处在正常工作状态的时间比例 比如说,一台机器的 MTTR(mean time to failure)是81.5年,MTTF(mean time to repair)是1h,那么: MTTF in hours = 81.5$\times$365$\tim ... Read more »
数据科学算法ch12-子模函数 Posted on 2021-11-29 Words count in article: 3.1k | Reading time ≈ 13 数据科学算法ch12-子模函数子模函数时边际效用递减规律的形式化表示。在机器学习和人工智能领域,子模函数有着广泛的应用,如文档摘要、信息扩散、传感器布置和图像采集描述等诸多问题 比如说:要在办公楼里面布置无线网络,由于在不同的位置安装无线路由器的效果是不同的,那么在那些地方安装无线路由器能满足上述条 ... Read more »
数据科学算法ch11-整数规划 Posted on 2021-11-23 Words count in article: 4.8k | Reading time ≈ 20 数据科学算法ch11-整数规划引入这章我们来学习离散变量的优化问题。这些问题的描述非常简单,但是由于”组合爆炸”的原因,导致求解此类问题的最优解变得非常困难。典型的问题有:旅行商问题(TSP),集合覆盖问题(SCP)等。这里给出几例 旅行商问题给定一组城市以及每两个城市间的旅行成本(或距离),旅行商 ... Read more »
数据正确性与事务处理 Posted on 2021-11-15 Words count in article: 4.1k | Reading time ≈ 14 数据正确性与事务处理数据库除了提供数据的存储和查询功能,还提供事务处理功能。本章节就要来谈谈事务处理的相关细节。 OLTP和OLAP首先我们要了解应用的两种模式:OLTP和OLAP OLTP 即事务处理,OLAP即分析处理,两者在数据库里存储的数据以及对数据库的操作都有不同。 OLTP(事 ... Read more »
关系数据库设计 Posted on 2021-11-14 Words count in article: 4.2k | Reading time ≈ 14 关系数据库设计关系数据库设计怎么做好数据库的设计? 需求分析, 解决存什么 概念设计,用何种模式 数据库结构设计,解决怎么存 需求分析下图是一个博客系统的4个界面 这个界面的功能如上图所示: 第一个登录界面,用户能看见自己的个人信息以及关注的人写的文章 第二个界面,是用户点击特定一篇文章后 ... Read more »
数据科学算法ch9-奇异值分解与主成分分析 Posted on 2021-11-09 Words count in article: 1.2k | Reading time ≈ 4 奇异值分解与主成分分析在机器学习中,随着数据维度的升高,分类器的性能会先增加后降低。这可能是因为维度过高会导致过拟合问题。为了缓解过拟合,我们可以用数据降维。因此现在我们来学习两种常用的数据降维方法:奇异值分解(SVD) 和 主成分分析(PCA) 对于是方阵的数据,我们可以用特征值分解,但如果数据不 ... Read more »