ChevisZhang

摘要： GPU vs CPU GPU： 核心数： GPU比CPU有更多的核，但是单个核运行很慢，它们之前其实是相互合作而不是单独运行，所以不能直接以cores to cores这样直接比较。 运行速率：优点是，因为有更多的核，所以在做并行任务，且本质相近的事务时，GPU的处理能力很棒 例如： 神经网络里的矩 阅读全文

摘要： 思路： 1. 判断两个str是否是同样构成可以用 collections.Couter(str) 返回一个dict， 将这些dicts 放入一个专门取index的列表： [ dict1,dict2,dict3]等等 若已有相同元素形成的dict，则将其存入对应dict index的列表中 [['ab 阅读全文

摘要： 思路： 矩阵的转置与翻转 1. 一想到转置就是 array.T 或者 array.transpose() ，没想到矩阵也可以直接用遍历翻转。 for i in range(len(matrix)): for j in range(i,len(matrix)): matrix[i][j],matrix 阅读全文

摘要： 总结：优化是为了 improve the training_loss； Regularization/ Ensembling is improving the performance on the test data； Transfer learning 使得在样本量小的时候也可以使用CNN。 Re 阅读全文

摘要： 总结: 0. 优化是为了 improve the training_loss； Regularization/ Ensembling is improving the performance on test data； Transfer learning 使得在样本量小的时候也可以使用CNN。 1. 阅读全文

摘要： 昨天写的因为没有及时发布，又丢失了，现在重写一遍重点。 1. activation functions 1） 总结：一般都用ReLu，因为在x>0时，不会出现梯度消失 可以尝试Leakly ReLu ELU Maxout(参数加倍) tanh（0-centered） 不要用Sigmoid 2）Sig 阅读全文

摘要： SVM的优缺点（复习） https://blog.csdn.net/qq_38734403/article/details/80442535 https://blog.csdn.net/u012879957/article/details/82459315 https://www.cnblogs.c 阅读全文

摘要： 值得再度好多遍：https://www.cnblogs.com/wj-1314/p/9593364.html 摘抄自‘ 战争热诚’ 的博文 权值共享： 下图左：如果我们有1000x1000像素的图像，有1百万个隐层神经元，那么他们全连接的话（每个隐层神经元都连接图像的每一个像素点），就有1000x1 阅读全文

摘要： 1. 池化层 pooling 特征降维，减少过拟合 1) pooling的目的是 使得每一层smaller and more manageable ， 这是为了有更少的参数数量，来表示输入的这张图 2） 池化操作 只在平面上（actication map）操作，不在depth上操作，所以depth 阅读全文

摘要： slides见 http://cs231n.stanford.edu/2017/syllabus.html 1. 回顾全连接层 2. 卷积层： 能maintain数据的空间结构 1） fileterW在做点积的时候，5*5*3 被flatten 成 75*1 ，然后点积得到一个值 两个向量a = [ 阅读全文