Vgbhfive's Blog

简介

前面学习了卷积神经网络（CNN），卷积神经网络适合图片这类具有空间局部相关性的数据，而在新的一节中开始学习循环神经网络（RNN），循环神经网络适合具有时间序列的数据，如股票、语音对话、阅读的文本等。

本节内容包含如下：

• 基本原理
• 循环神经网络 RNN
• 长短时记忆网络 LSTM
• 门控循环网络 GRU

简介

该篇主要在于实践卷积神经网络 CNN，使用 MNIST 和 CIFAR10 数据集完成分类任务。

简介

在之前的文章中主要介绍了神经网络的基本原理、 TensorFlow 使用和基本的全连接层模型，而本节正如题目所言：卷积神经网络。

简介

本文内容主要来源于在学习 TensorFlow 入门过程中的实践总结项目，内容主要包含以下实战项目：

• 线性模型实战
• 前向传播算法实践
• AUTO-MPG 汽车油耗预测
• 线性分类实战
• MNIST 手写数字数据集分类

概述

昨天长途奔袭，一路飞奔算是回到了北京，大致算了以下本次摩旅跑了将近 1100 公里的路程。全程途径北京市、张家口市、乌兰察布市、大同市、保定市，最终回到我想念了四天的北京（主要是想念我的床，酒店的床非常不舒服😭）。

简介

TensorFlow 是由 Google 团队开发的深度学习框架，其初衷是以最简单的方式实现机器学习和深度学习的概念。该框架融合了计算代数的优化技术，极大地方便了复杂数学表达式的计算。

TensorFlow 深度学习框架的三大核心功能：

• 加速计算。神经网络本质上由大量的矩阵相乘、矩阵相加等基本数学运算构成，TensorFlow 的重要功能就是利用 GPU 方便地实现并行计算加速功能。
• 自动梯度。TensorFlow 可以自动构建计算图，通过 TensorFlow 提供的自动求导的功能，不需要手动推导即可计算输出对网络参数的偏导数。
• 常用神经网络接口。TensorFlow 除了提供底层的矩阵相乘、相加等数学函数，还包含常用神经网络运算函数、常用网络层、网络训练、模型保存与加载、网络部署等一系列深度学习的功能。

简单示例：

1
2
3
4
5
6
7

import tensorflow as tf

a = tf.constant(2.0)
b = tf.constant(4.0)

print('a+b=', a+b) # a+b= tf.Tensor(6.0, shape=(), dtype=float32)
# 运算时同时创建计算图 𝑐=𝑎+𝑏 和数值结果 6.0=2.0+4.0 的方式叫做命令式编程，也称为动态图模式。

前序

本篇文章其目的在于实践《量化投资》而特意编写，内容主要包含收集数据、整理和分析数据、因子指标计算、策略制定、量化回测。

阅读本篇需要一定的 Python 基础、金融基础知识和计算机编程经验，各位予取予求。

概述

量化是指一种投资交易策略，利用统计学、数学、计算机、人工智能等方法取代传统人工做出决策，通过模型来实现资产交易进而构建投资组合。即利用计算机技术和数学模型来实现投资策略的过程。

主观投资与量化投资的对比：

简介

Selenium 最初是一个用于网站的自动化测试工具，支持各种 Chrome、Firefox、Safari 等主流浏览器，同时也支持 phantomJS 无界面浏览器。不过其更通常的使用在于爬虫中使用，其主要是用于解决 requests 无法直接执行 JavaScript 代码的问题，不过用于解析 Dom 元素更有其妙用之处。

简介

NetCat 是一款调试 TCP/UDP 网络连接的利器，被称作是网络调试的瑞士军刀，可见其功能强大。