-
空标题文档
附录 B Python 2 与 Python 3 的差异 在本书中，我们提到了 Python 2 与 Python 3 的几处差异。本书使用的是 Python 2，但我们也希望你能读懂 Python 3 的代码，并具备让代码兼容 Python 3 的能力。本附录只讨论与本书内容有关的 Python 特性的差异。（比如，Python 3 处理 Unicod... -
空标题文档
第 5 章 测试题 对于这行代码： answer = raw_input() 如果用户键入 12，answer 会包含一个字符串。这是因为 raw_input() 总是会得到一个字符串。 在一个小程序里试试看： print "enter a number: ",answer = raw_input()print type(answer)>>... -
空标题文档
第 11 章 测试题 Python 中可以在 range() 函数中放一个变量来建立可变循环， 如下： for i in range(numberOfLoops) 或者： for i in range(1, someNumber) 要建立嵌套循环，需要把一个循环放在另一个循环的循环体中，如下： for i in range(5): ... -
3.3 多维数组的运算
3.3 多维数组的运算 3.3.1 多维数组 3.3.2 矩阵乘法 3.3.3 神经网络的内积 3.3 多维数组的运算 如果掌握了 NumPy 多维数组的运算，就可以高效地实现神经网络。因此，本节将介绍 NumPy 多维数组的运算，然后再进行神经网络的实现。 3.3.1 多维数组 简单地讲，多维数组就是“数字的集合”，数字排成一列的集合、排成... -
3.4 3 层神经网络的实现
3.4 3 层神经网络的实现 3.4.1 符号确认 3.4.2 各层间信号传递的实现 3.4.3 代码实现小结 3.4 3 层神经网络的实现 现在我们来进行神经网络的实现。这里我们以图 3-15 的 3 层神经网络为对象，实现从输入到输出的（前向）处理。在代码实现方面，使用上一节介绍的 NumPy 多维数组。巧妙地使用 NumPy 数组，可以用很... -
3.5 输出层的设计
3.5 输出层的设计 3.5.1 恒等函数和 softmax 函数 3.5.2 实现 softmax 函数时的注意事项 3.5.3 softmax 函数的特征 3.5.4 输出层的神经元数量 3.5 输出层的设计 神经网络可以用在分类问题和回归问题上，不过需要根据情况改变输出层的激活函数。一般而言，回归问题用恒等函数，分类问题用 softmax... -
第4章 表达式的匹配原理
第4章 表达式的匹配原理 第4章 表达式的匹配原理 The Mechanics of Expression Processing 前一章在开头类比了正则表达式与汽车，余下的部分介绍了正则表达式的功能、特点以及其他相关信息。本章仍会使用这个类比来说明重要的正则引擎及其工作原理。 为什么需要了解这些原理呢？读者将会了解到，正则引擎分为很多种，最常用的引... -
发动引擎
发动引擎 两类引擎 新的标准 正则引擎的分类 几句题外话 测试引擎的类型 发动引擎 Start Your Engines! 现在我们来看看，引擎的类比能为我们提供多大帮助。引擎的价值在于，有了它，你不需要花多少气力就能从一个地方移动到另一个地方。驾驶员只需要放松或者听听音乐，发动机会完成余下的事情。它的主要任务就是驱动车轮，而驾驶员没必要关... -
Supervisord
sort: 2 Supervisord Install Supervisord Supervisord Manage name: Deployment with Supervisord sort: 2 Supervisord Supervisord is a very useful process manager implemented ... -
Supervisord
sort: 2 Supervisord Установка Supervisord Управление с Supervisord name: Развертывание с Supervisord sort: 2 Supervisord Supervisord - очень полезный процесс менеджер нап...