以前学的机器学习知识主要是关于机器是怎样处理图片的,也就是图片识别,例如识别图片上的字是什么,还有识别图片上的物体或脸什么的,用到的是分类方法有softmax
Regression(回归分类),有多层感知机(BLP)、有卷积神经网络(CNN)等。我至今已经发了五篇博客了,突然发现自己开始喜欢用英文来表达了。刚开始学习时,非常讨厌文章中的英文,要想一想才能理解它的意思,不习惯,不过看多了就记住了,还知道了它们之间的区别,发现特别简洁。看来我这个小白菜,有点绿了!吃了很多的苦,走了很多弯路,真没想到我能坚持到现在,得谢谢大家给我的鼓励,谢谢大家给我的关注,我会把我的学习感受毫无保留地奉献出来。今天的题目《强化学习之策略网络》应该是大家最感兴趣的了,这段时间比较流行的就是深度神经网络和强化学习,它们没有绝对的界线。我的理解是深度神经网络提供方法来辅助计算机强化学习。当你不了解强化学习时,你会觉得强化学习是个很高、大、上的东西,让计算机自己学习,自己提升自己,这样的事太有意义了,人类会又一次得到解放。如果明白了怎么让机器学习,就会让机器干很多事。要是把强化学习搞明白了,你可能就明白了
又开始我的博客了,可以说是下了很大的功夫,下了很大的决心。机器学习的我完全是自学,为了弄明白一个问题,需要反复琢磨程序,反复上网找资料,最可怕的是还要阅读英文的网页(有的是函数的文档,有的是外国人对问题的解答)。python出来那么多年了,但是关于它的问题的解答的中文内容还是不如vc,vc的学习虽然很难,但是只要有个运行中的问题,在网上一搜,总能找到相关的解释及处理办法一大堆,但是python却不行,网上的资源太少了。学习的困难处处都有,但我没有只看到困难,我相信我的自己的能力,在克服困难的过程中前行,是人生少有的乐趣。过去的日子总在游戏或电视中度过,现在的日子是和最流行,最新科技一起渡过。这是一个机遇,我们不能错过了。吃多少苦都是值得的!我的博文可以说是心血之作,希望能给大家一点帮助。
书接上回,有了开发环境后,就开始学习机器学习的基础内容吧。基础内容很多,也很难学习,而且很枯燥,而且因为是基础的东西,所以实用价值也不大,(话得说清楚了,如果你想把它学习透彻的话,还得认真学习这些基础的东西,学明白后才能在做产品的时候知道在哪些地方下功夫,才能有创新,才能有自己的知识产权)我这里走个捷径,先让大家体会到机器的强大功能后,才能让你下决心下狠心坚持把机器学习啃下来,甚至花钱学习也会觉得值得的。当然,也会坚定你学习的信心,如果我的这个实例你都看不懂,那就别学了。或者找个班报名学习吧,(当然,你得聪明)
我的这个实例要用到tensorflow的saver类的保存与恢复功能。网上有很多已经训练好的模型,可能精度不高,当然用来做简单的产品,玩一玩,提高兴趣,提高认识,是非常好的素材。(如果你要做自己的产品,就得用自己的硬件,自己设计训练标准,自己训练)对初学者来说,先搞清楚大概,再慢慢弄细节。我们先从网上下载(大部分来自github)训练好的模型,然后恢复到你的程序中,你就可以不用训练,直接使用训练好的参数,来处理你的数据,