CentOS下安装和使用Mycat实现分布式数据库

  |   0 评论   |   0 浏览   |   夜雨飘零

笔者介绍了如何在CentOS上搭建一个可支持高可用高并发的Java web后端服务器。善于思考的读者可能会想到,在上一篇文章中,我们只是实现Java web服务器的分布式来应对高并发,但是高并发对数据库的的负担也是很重的。在上一篇文章中,我们只是使用到一个MySQL服务器,但是但

CentOS搭建云服务平台

  |   0 评论   |   0 浏览   |   夜雨飘零

最近在学习在centOS上搭建一个云服务平台,所以写下该文章当做笔者的学习笔记,提供给大家一起学习。虽然我们没有办法实现像百度云、腾讯云、阿里云那么强大的云服务平台,但是可以学习它们这些思维,做一个简单的云平台给自己的团队或公司使用。

深度学习神经网络中正则化的使用

  |   0 评论   |   0 浏览   |   夜雨飘零

如果训练数据集不够大,由于深度学习模型具有非常大的灵活性和容量,以至于过度拟合可能是一个严重的问题,为了解决这个问题,引入了正则化的这个方法。要在神经网络中加入正则化,除了在激活层中加入正则函数,应该dropout也是可以起到正则的效果。我们来试试吧。

《Improving Deep Neural Networks》的理论知识点

  |   0 评论   |   0 浏览   |   夜雨飘零
  1. 如果有10,000,000个例子,数据集拆分一般是98%训练,1%验证,1%测试。
  2. 验证和测试的数据集通常是来自同样的分配。
  3. 如果神经网络模型有很大的差异,一般的解决办法是增加数据集和添加正则。
  4. 当训练集错误较小,而验证集较大时,通常是增加正则lambda、增加数据集。
  5. 当增加正则化超参数lambda时,权重会被推向更小,接近0.

Python2实现简单的爬虫

  |   0 评论   |   0 浏览   |   夜雨飘零

有时候我们需要一些网络数据来工作、学习,比如我们做深度学习的。当做一个分类任务时,需要大量的图像数据,这个图像数据如果要人工一个个下载的,这很明显不合理的,这是就要用到爬虫程序。使用爬虫程序帮我们下载所需要的图像。那么我们就开始学习爬虫吧。

《我的PaddlePaddle学习之路》笔记十三——把PaddlePaddle部署到网站服务器上

  |   0 评论   |   0 浏览   |   夜雨飘零

如果读者使用过百度等的一些图像识别的接口,比如百度的细粒度图像识别接口,应该了解这个过程,省略其他的安全方面的考虑。这个接口大体的流程是,我们把图像上传到百度的网站上,然后服务器把这些图像转换成功矢量数据,最后就是拿这些数据

《我的PaddlePaddle学习之路》笔记十二——可视化工具VisualDL的使用

  |   0 评论   |   0 浏览   |   夜雨飘零

VisualDL是一个面向深度学习任务设计的可视化工具,包含了scalar、参数分布、模型结构、图像可视化等功能。可以这样说:“所见即所得”。我们可以借助VisualDL来观察我们训练的情况,方便我们对训练的模型进行分析,改善模型的收敛情况。

《我的PaddlePaddle学习之路》笔记十一——新版本Fluid的使用

  |   0 评论   |   0 浏览   |   夜雨飘零

PaddlePaddle的Fluid是0.11.0提出的,Fluid 是设计用来让用户像Pytorch和Tensorflow Eager Execution一样执行程序。在这些系统中,不再有模型这个概念,应用也不再包含一个用于描述Operator图或者一系列层的符号描述,而是像通用程序那样描述训练或者预测的过程。而Fluid与PyTorch或Eager Execution的区别在于Fluid不依赖Python提供的控制流,例如 if-else-then或者