61355ing

摘要： 在低版本的clag中，可以直接clang -cc1 -analyze -cfg-dump 1.c来获得程序控制流图，但较高版本后就不行了 另外clang -cc1默认仅限当前目录，所以会出现fata error: 'stdio.h' file not found 的情况。 解决方法是使用-I添加包含 阅读全文

摘要： 有一些函数，只有非常深的神经网络能学会，而更浅的模型则不行 所以先去尝试逻辑回归，尝试一层然后两层隐含层，然后把隐含层的数量看做是另一个可以自由选择大小的超参数，然后再保留交叉验证数据上评估，或者用你的开发集来评估。 超参数：比如算法中的learning rate （学习率）、iterations( 阅读全文

摘要： 输入层，隐藏层，输出层 可以将多个输入向量生成一个矩阵作为输入，一次输出就能算出多个输入的输出。 激活函数：sigmoid，tanh（更有效），ReLU，，不能在隐藏层用线性的激活函数 正向传播和反向传播，公式 权重要随机初始化，通常会是比较小的值，有必要的话还需要多随机几次 阅读全文

摘要： python中的del，只删除变量，不删除数据，具体表现为： a=1,c=a,del a,(c=1) 和 a = [1,2,3,4,5] b= a[0] del a[0] print a ([2,3,4,5]) print b (1) 阅读全文

该文被密码保护。 阅读全文

摘要： 神经网络的编程基础 损失函数: 逻辑回归中拥到的为 然后成本函数J(w,b)为m个样本的损失函数求平均，最终结果希望损失J尽可能小，其对每个位置的偏导为其权重 向量化： 向量化是一个重点，可以很大程度上减少需要的时间避免for循环 这一部分最主要的是使用一些库函数的api进行的 如逻辑回归上的向量化 阅读全文

摘要： 第三章 进程 可以看到很多熟悉的结构体 进程状态: 可运行状态(TASK_ RUNNING) 进程要么在CPU上执行，要么准备执行。 可巾断的等待状态(TASK_ INTERRUPTIBLE) 进程被挂起(睡眠),直到一些条件变为真，这些条件包括:产生-个硬件巾断，释放进程正等待的系统资源，或传递一 阅读全文

摘要： 第二章 ：内存寻址 略。基本同计算机组成原理中的讲述 内核代码和数据结构会存储在一个保留的页框中。 常规Linux安装在RAM物理地址0x00100000开始的地方。因为：页框0是由BIOS使用，存放加电自测期间检查到的硬件配置；0x000a0000-0x000fffff的范围被留在BIOS程序使用 阅读全文

摘要： 卷积网络(CNN)通常用于图像数据。递归神经网络(RNN)非常适合一维序列，数据可能是一个时间组成部分。计算机理解非结构化数据相对更难，如音频，图像像素值或文本中的单个单词。如今最可靠的方法来在神经网络上获得更好的性能，往往就是要么训练一个更大的神经网络，要么投入更多的数据，仅仅通过将Sigmoid 阅读全文

摘要： 1.用户和用户组 每个用户是一个或多个用户组的一名成员,组由唯一的用户组标识符(user group ID)标识。每个文件的相关权限也恰好与一个组相对应。 root为超级用户， 2.模块 为了达到微内核理论上的很多优点而又不影响性能, Linux内核提供了模块(module)。模块是一个目标文件，其 阅读全文