macOS_mojave_10.14.6下Tensorflow2.6的安装与SSE, AVX, FMA 发表于 2021-09-18 | 分类于 工程实践 | 阅读次数 本文主要总结在mac下安装Tensorflow的各种问题,pip安装会有SSE指令集警告提示,不能调用并行计算指令,于是我们使用源码安装,但是源码安装的坑不少,特此写成文章。 阅读全文 »
分类分布大意 发表于 2017-05-06 | 分类于 机器学习 | 阅读次数 分类分布形式具有十分重要的意义,首先让我们把诸多特征与分类建立了数学模型,其次分类分布的期望是一组归一化的概率,直接代表了我们对一次特征观测应该对应于哪个分类的信心。辅助以决策论,很容易做出推断。 阅读全文 »
条件随机场模型 发表于 2017-03-12 | 分类于 机器学习 | 阅读次数 我们使用条件随机场定义条件概率。我们是基于整体特征定义了观测变量与隐变量的关系,而不像隐马尔可夫模型那样。这大大利于充分利用观测序列的信息,而不是局部信息。 阅读全文 »
隐马尔可夫模型 发表于 2017-03-11 | 分类于 机器学习 | 阅读次数 隐马尔可夫是一个古老的模型,开始我们回顾了一下它的基本问题。然后我们使用前向后向算法和维比特算法,解决了求值和求隐状态的问题。中间我们使用EM算法,解决了参数求解的问题。人类可以通过一些精巧的设计,来获取超乎直观想象结果,当人类的思想开始集成,开始向深处,广处延伸时,上帝似乎很惊异。 阅读全文 »
概率图基础 发表于 2017-03-10 | 分类于 机器学习 | 阅读次数 概率是一个好工具,这个工具的核心在于概率的条件独立性质。或者说高级一点条件期望。没有条件期望,概率论不过是测度论的一个表现形式。正是我们定义了条件概率,概率论才枝深叶茂起来。但是表达条件概率不仅仅用数学公式,还可以用图。于是一门新的学科诞生了:概率图。本文通过清晰的数学符号,简洁的描述带你入门概率图。 阅读全文 »
狄利克雷-多项式模型(Dirichlet-Multionmial Model) 发表于 2017-03-08 | 分类于 机器学习 | 阅读次数 本文总结了狄利克雷-多项式模型的部分,我们将再一次熟悉贝叶斯方法的基本概念、流程、特点。把我们思维进化到更高的维度。 阅读全文 »
贝塔-伯努利模型(Beta-Binomial Model) 发表于 2017-03-07 | 分类于 机器学习 | 阅读次数 贝塔-伯努利模型(beta-binomial model)是非常经典的离散二维模型,通过它我们能得到很多关键概念的感觉,和初步认识。进而熟悉了贝叶斯方法的基本概念、流程、特点。同时一旦我们熟悉了伯努利、二项、贝塔、均匀、贝塔-伯努利分布后,很多关键的东西就可以用文字表述清楚,并且有深刻认识 阅读全文 »