摘要：当我们分析图片或者语音的时候，通常都是在密集高纬度数据。我们所需的全部信息都储存在原始数据中。 当我们做自然语言处理的时候，我们通常会分词，然后给每一个词一个编号，比如猫的编号是120，狗的编号是343。比如女生的编号是2329.这些编号没有规律，没有联系，我们从编号中不能得到词语词的相关性。 例如 阅读全文

摘要：1，NVIDIA显卡安装CUDA 2，添加CUDA目录下的bin和lib\x64目录，到环境变量 3，cuDNN安装（需在NVIDIA官网注册账号），将cuDNN解压完成后的bin，include，lib目录复制到CUDA响应目录。 4，将CUDA\v10.0\extras\CUPTI\lib64\ 阅读全文

摘要：保存： 加载： 阅读全文

摘要：这个LSTM的PPT没有前面讲的那个好。 阅读全文

摘要：经验之谈： 一般样本的大小是权值的5~10倍 自己的小笔记本4×i7，GTX960+4G，跑不起来 在阿里云的天池实验室跑，巨慢，21次迭代需要半个小时 结果： 最后的准确率达到了99.02% 阅读全文

摘要：logs文件夹在anaconda prompt中输入命令： tensorboard --logdir=logs路径 可以复制后面那个网址，也可以直接进入http://localhost:6006 可以得到整个网络结构 阅读全文

摘要：如何选择优化算法 如果数据是稀疏的，就用自适用方法，即 Adagrad, Adadelta, RMSprop, Adam。 RMSprop, Adadelta, Adam 在很多情况下的效果是相似的。 Adam 就是在 RMSprop 的基础上加了 bias-correction 和 momentu 阅读全文

摘要：keep_prob = 1.0时Iter1,Testing accuracy-0.944,Train accuracy-0.958545Iter2,Testing accuracy-0.958,Train accuracy-0.974691Iter3,Testing accuracy-0.9621, 阅读全文

摘要：同样对于上一课的例子，将二次代价函数换成交叉熵函数 阅读全文

摘要：构建神经网络： 阅读全文

摘要：回归： 0 0.554074 200 0.00908821 400 0.000556468 600 0.000509932 800 0.0004985 1000 0.000490006 1200 0.000483575 1400 0.000478674 1600 0.000474905 1800 0 阅读全文

摘要：基本概念实操： 0 [1763.568, 68.205513, 0.53934586] 20 [78.176331, 29.277592, -16.521879] 40 [25.467432, 16.753452, -9.3442173] 60 [8.2964983, 9.6051531, -5.2 阅读全文