-
13.5.2 EMC Greenplum
13.5.2 EMC Greenplum 13.5.2 EMC Greenplum Greenplum是EMC公司研发的一款采用MPP架构的OLAP产品，底层基于开源的PostgreSQL数据库。 1.整体架构 如图13-11，Greenplum系统主要包含两种角色：Master服务器（Master Server）和Segment服务器（Segme... -
空标题文档
第 1 章 如何深入高效地学习语言 “内容能够理解，但总觉得不够透彻。” 大家在学习编程的过程中有过这种感觉吗？ 当新学的知识与自身经验以及原来掌握的知识尚未很好结合的时候，往往会出现这种似懂非懂的状态。 “要学的东西太多了，先学什么好呢？” 大家曾为这种问题苦恼过吗？ 我们都想集中精力学习一些知识要点，但是怎样才能做到呢？... -
空标题文档
12.6 从列表获取元素 可以按元素的索引（index）号从列表获取单个元素。列表索引从 0 开始，所以这个列表中的第一项就是 letters[0]。 >>> print letters[0]a 再来试一个： >>> print letters[3]d 为什么索引从 0 而不是 1 开始？ 从计算机发明到现在，很多程序员、工程师还有计算机科... -
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... -
3.6 手写数字识别
3.6 手写数字识别 3.6.1 MNIST 数据集 3.6.2 神经网络的推理处理 3.6.3 批处理 3.6 手写数字识别 介绍完神经网络的结构之后，现在我们来试着解决实际问题。这里我们来进行手写数字图像的分类。假设学习已经全部结束，我们使用学习到的参数，先实现神经网络的“推理处理”。这个推理处理也称为神经网络的前向传播 （forward p... -
5.1 计算图
5.1 计算图 5.1.1 用计算图求解 5.1.2 局部计算 5.1.3 为何用计算图解题 5.1 计算图 计算图将计算过程用图形表示出来。这里说的图形是数据结构图，通过多个节点和边表示（连接节点的直线称为“边”）。为了让大家熟悉计算图，本节先用计算图解一些简单的问题。从这些简单的问题开始，逐步深入，最终抵达误差反向传播法。 5.1.1 用... -
6.2 权重的初始值
6.2 权重的初始值 6.2.1 可以将权重初始值设为 0 吗 6.2.2 隐藏层的激活值的分布 6.2.3 ReLU的权重初始值 6.2.4 基于 MNIST 数据集的权重初始值的比较 6.2 权重的初始值 在神经网络的学习中，权重的初始值特别重要。实际上，设定什么样的权重初始值，经常关系到神经网络的学习能否成功。本节将介绍权重初始值的推荐值... -
7.2 卷积层
7.2 卷积层 7.2.1 全连接层存在的问题 7.2.2 卷积运算 7.2.3 填充 7.2.4 步幅 7.2.5 3 维数据的卷积运算 7.2.6 结合方块思考 7.2.7 批处理 7.2 卷积层 CNN 中出现了一些特有的术语，比如填充、步幅等。此外，各层中传递的数据是有形状的数据（比如，3 维数据），这与之前的全连接网络不同，因此... -
第6章 打造高效正则表达式
第6章 打造高效正则表达式 第6章 打造高效正则表达式 Crafting an Efficient Expression Perl、Java、.NET、Python和PHP（这里没有列全，其他语言请参考第145页的表格）使用的都是表达式主导的NFA引擎，细微的改变就可能对匹配的结果及方式产生重大的影响。DFA中不存在的问题，对NFA来说却很重要。因为...