Octave的安装

2019/04/04 16:40
阅读数 2.3W

本文是参考吴恩达老师的深度学习视频而做的笔记

深度学习

引言

挑战:AI真正的挑战在于解决那些对人类来说很容易执行,但很难形式化描述的问题,比如识别人们所说的话/图像中的脸/分辨苹果和梨。<br> 解决方案:让计算机从经验中学习,并根据层次化的概念体系理解世界,而每个概念是通过与某些相对简单的概念之间的关系来定义的。而如何绘制出这种关系,就是我们常说的深度学习

区别

机器学习:AI系统需要具备自己获取知识的能力,即从原始数据中提取模式的能力。即研究人员不会编写指令控制机器,而是用大量数据和算法“训练”机器,让机器自己学会如何执行任务。

参考链接

Octave的安装和使用

安装

    brew update && brew upgrade
    brew install gcc
    brew install octave

注:不要安装4.0.0版本,该版本有重大bug.

使用

基本操作

加、减、乘、除
    // 加
    1+2
    // 减
    6-2
    // 乘
    3*4
    //除
    1/2
    // 指数运算
    2^3
逻辑运算
    // 相等
    1 == 2 % 注释内容
    //不相等
    1 ~= 2 % true
    // 逻辑与
    1 && 0 % false
    // 逻辑或
    1 || 0 % true
    // 异或
    xor(1,0)
修改提示符
    PS1('>> ');
变量
    a = 3

    a = 3; % 阻止打印输出
打印或显示一个变量
    a 
    
    disp(a)

    // 显示默认位数
    format long 
    a
    format short
    a
向量和矩阵
    // 矩阵
    A = [1 2; 3 4; 5 6]
    // 行向量
    v = [1 2 3]
    // 列向量
    v = [1; 2; 3]
    //矩阵的其他生成
    v = 1:0.1:2
    v = 1:6
    ones(2,3)
    C = 2*ones(2,3)
    w = ones(1,3)
    w = zeros(1,3)
    // 随机矩阵,数值0-1
    w = rand(3,3)
    // 服从正态分布
    w = randn(1,3)
    // 
    w = -6 + sqrt(10)*(rand(1,10000));
    // 绘制成直方图
    hist(w)
    hist(w,50)
    
    // 单位矩阵
    I = eye(4)
    
    //帮助指令
    help eye
    help help
    

移动数据

    A = [1 2; 3 4; 5 6]
    // 矩阵维度
    size(A)
    sz = size(A)
    size(sz)
    //A矩阵第1维度的大小
    size(A,1)
    //A矩阵第2维度的大小
    size(A,2)
    // 矩阵两维度的最大值
    v = [1 2 3 4]
    length(v)
    length(A)
导入数据
    // 显示当前目录
    pwd
    cd ''
    ls
    // 导入数据
    load house.dat
    load price.dat
    // 显示当前在内存中的变量
    who
    // 显示更详细的变量信息
    whos
    // 显示house.dat中的数据集
    house
    size(house)
    size(price)
    // 删除某个变量
    clear price
    // 清理工作空间
    clear
    // 赋值变量
    v = priceY(1:5)
导出数据
    // 存入硬盘
    save hello.mat v;
    save hello.txt v -ascii;
操作数据
索引操作
    A = [1 2; 3 4; 5 6;]
    // 第3行第2列的元素
    A(3,2)
    // 第2行所有元素
    A(2,:)
    // 第1列所欲元素
    A(:,1)
    // 第1行和第3行的所有元素
    A([1 3],:)
    // 将A的第2列赋值成[10;11;12;]
    A(:,2) = [10;11;12;]
    // 添加第3列
    A = [A, [100; 101; 102;]
    // 把A中所有元素放入一个单独的列向量
    A(:)
    // 结合矩阵
    A = [1 2; 3 4; 5 6;]
    B = [11 12 13; 14 15 16;]
    C = [A B]
    C = [A ; B]

计算数据

    A = [1 2; 3 4;5 6]
    B = [11 12;13 14; 15 16;]
    C = [1 1;2 2;]
    A * C
    // 对应元素相乘 .表示元素的运算
    A.* B
    A. ^ 2
    
    v = [1;2;3;]
    1 ./v
    1 ./A
    // 以e为底,以v中元素为指数的幂运算
    exp(v)
    // 求绝对值
    abs(v)
    // v的相反数
    -v
    // 向量每个元素都加1
    v + ones(length(v),1)
    v + 1
    // 转置
    A
    A'
    a = [1 15 2 0,5]
    val = max(a)
    [val, ind] = max(a)
    // 每列的最大值
    max(A)
    a = [1 15 2 0.5]
    a < 5
    // 找出小于3的元素并返回索引
    find(a < 3)
    // 任意行列对角线中的元素加起来都等于相同的值
    A = magic(3)
    //r 行 c列
    [r,c] = find(A >= 7)
    // 求和函数
    a
    sum(a)
    // 相乘函数
    prod(a)
    // 向下取整
    floor(a)
    //向上取整
    ceil(a)
    // A的逆矩阵
    A = magic(3)
    pinv(A)

数据绘制

    t = [0; 0.01;0.98];
    t
    y1 = sin(2*pi*4*t);
    plot(t,y1);
    y2 = cos(2*pi*4*t);
    plot(t,y2);
    
    plot(t,y1);
    hold on;
    plot(t,y2,'r');
    xlabel('time')
    ylabel('value')
    legend('sin','cos')
    title('my plot')
    print -dpng 'myplot.png'
    help plot
    close
    
    //
    figure(1): plot(t,y1);
    figure(2): plot(t,y2);
    subplot(1,2,1);
    plot(t,y1);
    subplot(1,2,2);
    plot(t,y2);
    
    //
    A = magic(5)
    imagesc(A)
    imagesc(A),colorbar,colormap gray;

控制语句

for循环
    v = zeros(10,1)
    for i = 1:10.
        v(i) = 2^i;
    end;
while循环
    v
    while i <= 5.
        v(i) = 100;
        i = i + 1;
    end;
    
    
    while true.
        v(i) = 999;
        i = i + 1;
        if i == 6.
            break;
        end;
    end;
if条件语句
    if v(1) == 1.
        disp('The value is one');
    elseif v(1) == 2.
        disp('The value is two');
    else 
        disp('The value is not one or two');
    end;
函数
    squareThisNumber(2)
    [a,b] = squareAndCubeThisNumber(5)
展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部