Python垃圾回收机制--完美讲解!

Submitted by wukezhou on Thu, 07/27/2017 - 17:11
现在的高级语言如java,c#等,都采用了垃圾收集机制,而不再是c,c++里用户自己管理维护内存的方式。自己管理内存极其自由,可以任意申请内存,但如同一把双刃剑,为大量内存泄露,悬空指针等bug埋下隐患。 对于一个字符串、列表、类甚至数值都是 对象,且定位简单易用的语言,自然不会让用户去处理如何分配回收内存的问题。 python里也同java一样采用了垃圾收集机制,不过不一样的是: python采用的是引用计数机制为主,标记-清除和分代收集两种机制为辅的策略

9个最佳的大数据处理编程语言

Submitted by zhongzhimin on Thu, 07/27/2017 - 17:08
大数据的浪潮仍在继续。它渗透到了几乎所有的行业,信息像洪水一样地席卷企业,使得软件越发庞然大物,比如Excel看上去就变得越来越笨拙。数据处理不再无足轻重,并且对精密分析和强大又实时处理的需要变得前所未有的巨大。 那么,在巨大的数据集中进行筛选的最好工具是什么?通过和数据骇客的交流,我们知道了他们用于硬核数据分析最喜欢的语言和工具包。

Tags

深度学习入门必须理解这25个概念

Submitted by pengkun on Thu, 07/27/2017 - 09:39

1、神经元(Neuron)——就像形成我们大脑基本元素的神经元一样,神经元形成神经网络的基本结构。想象一下,当我们得到新信息时我们该怎么做。当我们获取信息时,我们一般会处理它,然后生成一个输出。类似地,在神经网络的情况下,神经元接收输入,处理它并产生输出,而这个输出被发送到其他神经元用于进一步处理,或者作为最终输出进行输出。

2、权重(Weights)——当输入进入神经元时,它会乘以一个权重。例如,如果一个神经元有两个输入,则每个输入将具有分配给它的一个关联权重。我们随机初始化权重,并在模型训练过程中更新这些权重。训练后的神经网络对其输入赋予较高的权重,这是它认为与不那么重要的输入相比更为重要的输入。为零的权重则表示特定的特征是微不足道的。

让我们假设输入为 a,并且与其相关联的权重为 W1,那么在通过节点之后,输入变为 a *W1。

步长?填充?池化?教你从读懂词语开始了解计算机视觉识别最火模型 | CNN入门手册(中)

Submitted by zhongzhimin on Tue, 07/25/2017 - 16:51
在上篇文章中,我们为大家带来了一篇卷积神经网络的入门介绍:《卷积?神经?网络?教你从读懂词语开始了解计算机视觉识别最火模型 | CNN入门手册(上)》,相信大家已经对卷积神经网络有了初步的了解。这周,我们将更深入地介绍卷积神经网络(以下简称“ConvNets”),解释上周我们提到却又没有细讲的一些概念 。 声明:这部分介绍的一些主题非常复杂,完全可以单独列出来写成一篇文章。为了在保证内容全面性的同时,保持文章的简洁明了,我会提供原研究论文的链接供大家参考,这些论文对讨论的主题有更详细的解释。

使用TensorFlow创建自己的手写识别引擎

Submitted by wangqingqing on Tue, 07/25/2017 - 15:09
我正在进行一篇机器学习的文章的写作。现在写这个话题就难以忽视TensorFlow,一个由谷歌开源的深度学习引擎。深度学习是机器学习的一个分支,它使用人脑的概念中的神经网络的形式去解决各种问题,例如图象和语音识别(图像1)。这是一个很难用“传统”计算机解决的问题:用一台计算机作为一个大的计算器。