笔记-Python爬虫技术基础及爬取百度新闻
@TOC 1.1查看网页源代码F12弹出来的东西叫做开发者工具，是进行数据挖掘的利器，对于爬虫来说，只需要会用下图的这两个按钮即可。（1）选择按钮点击一下它，发现它会变成蓝色，然后把鼠标在页面上移动移动，会发现页面上的颜色机会发生改变。当移动鼠标的时候，会发现界面上的颜色会发生变化，并且Elements里的内容就会随之发生变化。(2) Elements元素按钮：“Elements”选项卡里面的
笔记-pd.set_option()、warnings、np.set_printoptions参数详解
微信公众号：数学建模与人工智能 一、pd.set_option()pd.set_option() 函数用于设置 pandas 的各种显示选项。 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849import pandas as pd# 设置显示所有列pd.set_op
深度学习面试笔试之迁移学习(Transfer)、强化学习(Reinforcement) & 多任务
@[TOC](深度学习面试笔试之迁移学习Transfer、强化学习Reinforcement& 多任务) 微信公众号：数学建模与人工智能13.迁移学习(Transfer)1. 什么是迁移学习迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发的模型作为初始点，重新使用在为任务 B 开发模型的过程中。迁移学习是通过从已学习的相关任务中转移知识来改进学习的
深度学习面试笔试之深度学习的优化方法
@TOC 1. 训练误差和泛化误差机器学习模型在训练数据集和测试数据集上的表现。如果你改变过实验中的模型结构或者超参数，你也许发现了：当模型在训练数据集上更准确时，它在测试数据集上却不⼀定更准确。这是为什么呢？因为存在着训练误差和泛化误差： 训练误差：模型在训练数据集上表现出的误差。 泛化误差：模型在任意⼀个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。 训练误差的期
深度学习面试笔试之循环神经网络(RNN)、门控循环单元（GRU）、长短期记忆(LSTM)
@TOC 循环神经网络(RNN)1. 什么是RNN循环神经网络（Recurrent Neural Network, RNN）是一类以序列（sequence）数据为输入，在序列的演进方向进行递归（recursion）且所有节点（循环单元）按链式连接的递归神经网络（recursive neural network） 1.1 RNN的应用文本生成(生成序列)、机器翻译、看图说话、文本(情感)分析、智能
深度学习面试笔试之卷积神经网络(CNN)
@TOC 微信公众号：数学建模与人工智能1. 什么是CNN卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一。我们先来看卷积神经网络各个层级结构图： 上图中CNN要做的事情是：给定一张图片，是车还是马未
深度学习面试笔试之前向神经网络-多层感知器、损失函数、反向传播
@TOC 微信公众号：数学建模与人工智能1. 什么是神经网络我们以房价预测的案例来说明一下，把房屋的面积作为神经网络的输入（我们称之为𝑥），通过一个节点（一个小圆圈），最终输出了价格（我们用𝑦表示）。其实这个小圆圈就是一个单独的神经元，就像人的大脑神经元一样。如果这是一个单神经元网络，不管规模大小，它正是通过把这些单个神经元叠加在一起来形成。如果你把这些神经元想象成单独的乐高积木，你就通过搭
深度学习Pytorch框架Tensor张量
@TOC 微信公众号：数学建模与人工智能Tensor的裁剪运算 对Tensor中的元素进行范围过滤 常用于梯度裁剪（gradient clipping），即在发生梯度离散或者梯度爆炸时对梯度的处理 torch.clamp(input, min, max, out=None) → Tensor：将输入input张量每个元素的夹紧到区间 [min,max]，并返回结果到一个新张量。 T
深度学习Pytorch-Tensor的属性、算术运算
@TOC 微信公众号：数学建模与人工智能Tensor的属性每一个Tensor对象都有以下几个属性：torch.dtype、torch.device和torch.layout 1、torch.dtype属性标识了torch.Tensor的数据类型。 2、torch.device属性标识了torch.Tensor对象在创建之后所存储在的设备名称。torch.device包含了两种设备类型 (‘cpu
深度学习Pytorch-Tensor函数
@TOC 微信公众号：数学建模与人工智能Tensor的三角函数12345678910torch.acos(input,out=None)#arccos反三角函数中的反余弦torch.asin(input,out=None)torch.atan(input,out=None)torch.atan2(input,input2,out=None)torch.cos(input,out=None)tor