分类 机器学习 下的文章

不得不知的TensorFlow


  随着人工智能技术的快速发展,越来越多的公司和研究人员加入到其中并诞生了一系列人工智能相关的开源项目,其中就有TensorFlow,MXNet,Caffe,Keras等,这些开源库各有各的特点,它们的出现有利于开发者掌握和开发仍智能相关产品,赋予未来更多想象力。   这里之所以更关注TensorFlow其中一个原因是这是由谷歌开发的,谷歌在这方面的实力世界领先,AlphaGo带来的冲击是巨大的,表明人工智能的时代已经越来越近。   所谓TensorFlow是基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从图象的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。 TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域,对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。   TensorFlow同样支持GPU,分布式,可以使运行速度大大提高。


caffe python接口配置过程中的坑


  我的caffe安装过程在: https://www.hongweipeng.com/index.php/archives/459/ 下面说说python接口的配置,官网就几个命令而已,然而事实并不乐观。

 1.基础安装步骤略过。  配置的话可以参考:http://blog.csdn.net/u011762313/article/details/47624119

 2.在最后执行make pycaffe时卡在了:

CXX/LD -o python/caffe/_caffe.so python/caffe/_caffe.cpp

 不知道原因:默默地等了好久

 3.怀疑是Makefile.config 问题(caffe编译问题大部分源自这里),最后找到一个靠谱的解决方案。

http://blog.csdn.net/lujiandong1/article/details/50540486


阿里云CentOS7上安装配置caffe(仅CPU)记录


  终于要尝试caffe了,这个框架目前在深度学习领域十分流行,功能也十分强大,caffe的种种优势就不说了,但由于安装过程中实在遇到了太多坑,所以记录下来,供大家参考。附上caffe的官方教程,有空可以看看。   我是用root身份安装的,首先从github上把最新的 caffe pull下来,上传到/root目录下并解压。   1.安装依赖库

 yum install atlas-devel protobuf-devel leveldb-devel snappy-devel opencv-devel boost-devel hdf5-devel gflags-devel glog-devel lmdb-devel


FP-growth算法简介


  参考:FP-growth

  FP-growth算法是一种高效的频繁集挖掘算法。它基于Apriori,但不同之处在于将数据集存储在FP树结构中,从而加快执行效率。FP-growth只需要对数据进行两次扫描,Apriori对潜在的频繁项集都会扫描,从而降低了效率。

  那么什么是FP数结构?


Apriori关联算法简介


Wiki链接:关联规则

  Apriori算法是基于关联分析的产生算法,关联分析即从数据集中寻找物品的隐含关系。比如超市对顾客的购买记录数据库进行关联规则挖掘,可以发现顾客的购买习惯。经典的有购物篮分析。Apriori算法提供了一种更高效的搜寻方法。   Apriori算法的主要作用在于发现频繁项集和关联规则,首先需要发现频繁项集(链接)。Apriori算法接受接受两个参数,最小支持度和数据集,通过扫描数据集发现满足最小支持度的项集。