動機:在 Machine Learning / Neural Network 中 常常看到 Gradient Descent 的關鍵字,可否使用 Python 程式來圖形化理解 呢?!
準備環境:
1.Windows 10/MacOS筆電
2.Anaconda Navigator 1.8.4 (64-bit): Python 3.6.4, Spyder 3.2.8
3.PyCharm 2018.1.2 (Community Edition)
實作步驟:
1.依據 參攷1. 作者提供的 gd1.py 程式範例,分別代入 Spyder 及 PyCharm 工具內執行,可發現 Python程式簡潔好用,加上視覺化的圖表功能,足以讓 Coder 快速理解數據變化代表的意義...這真的太棒了!!
比較:
Spyder
PyCharm
語法檢查及智慧提示:PyCharm 完勝
執行速度:Spyder 完勝
心得:
由於 Machine Learning 常涉及高深的 數學 或 統計 理論,在 Python 好用的 module及視覺化功能輔助下,應可快速理解或學習。因此,現今免費認知學習平台(Python、API)工具眾多,真令人耳目一新(應該沒有理由學不會!!)...感謝奉獻的許多大神們!!
準備環境:
1.Windows 10/MacOS筆電
2.Anaconda Navigator 1.8.4 (64-bit): Python 3.6.4, Spyder 3.2.8
3.PyCharm 2018.1.2 (Community Edition)
實作步驟:
1.依據 參攷1. 作者提供的 gd1.py 程式範例,分別代入 Spyder 及 PyCharm 工具內執行,可發現 Python程式簡潔好用,加上視覺化的圖表功能,足以讓 Coder 快速理解數據變化代表的意義...這真的太棒了!!
比較:
Spyder
PyCharm
語法檢查及智慧提示:PyCharm 完勝
執行速度:Spyder 完勝
心得:
由於 Machine Learning 常涉及高深的 數學 或 統計 理論,在 Python 好用的 module及視覺化功能輔助下,應可快速理解或學習。因此,現今免費認知學習平台(Python、API)工具眾多,真令人耳目一新(應該沒有理由學不會!!)...感謝奉獻的許多大神們!!
參攷:
1.Day N+1:進一步理解『梯度下降』(Gradient Descent), https://ithelp.ithome.com.tw/articles/10198147
留言