红豆生南国 是很遥远的事情

摘要： 目录1. 最基本的单层网络2. N VS 13. 1 VS N4. N vs M5. Attention机制 参考链接：完全图解RNN、RNN变体、Seq2Seq、Attention机制 1. 最基本的单层网络 输入是x，经过变换Wx+b和激活函数f得到输出y。 经典的RNN结构（N vs N） 序 阅读全文

摘要： 目录1. sequence2sequence任务 特点2. 编码器与解码器3. Attention 注意力机制--太重要了！！4. 自注意力机制 参考：https://zhuanlan.zhihu.com/p/38816145 sequence2sequence模型发展到今天，根据不同任务有着不同的 阅读全文

摘要： 目录1. 复习Basic RNN2. LSTM 长短期记忆 网络结构3. RNN实现手写数字识别5. LSTM变形 强烈建议阅读：http://colah.github.io/posts/2015-08-Understanding-LSTMs/ Long range temporal depende 阅读全文

摘要： 目录1. 概述2. RNN的模型 参考：https://zhuanlan.zhihu.com/p/30844905 1. 概述 输出会反馈到输入的神经网络： 循环神经网络(Recurrent Neural Networks ，以下简称RNN)，它广泛的用于自然语言处理中的语音识别，手写书别以及机器翻 阅读全文

摘要： 目录1. 引入2. Hierarchical Softmax3. 负样本negtive sample训练 参考链接：https://www.cnblogs.com/pinard/p/7243513.html 1. 引入 铺垫基础知识 霍夫曼树， 霍夫曼树的建立过程如下： 输入：权值为 输出：对应的霍 阅读全文

摘要： 目录1.统计语言模型2. N-gram3. NPLM神经语言模型4. Word2Vec--基础中的基础5. CBOW 模型6. Skip-gram 进入新的领域 加油！ 1.统计语言模型 语言模型 本质就是让机器学会说话 但是机器本质上是只会1+1 统计语言模型是所有 NLP的基础，被广泛应用与语音 阅读全文

摘要： 目录1. 概述2.Triplets Loss3. 三元组样本选择 参考： 人脸识别网络 FaceNet facenet详解 1. 概述 FaceNet是谷歌于[CVPR2015.02](FaceNet: A Unified Embedding for Face Recognition and Clu 阅读全文

摘要： 目录 参考: 流形假设(Manifold Hypothesis) 在介绍 流形学习（Manifold learning） 之前，首先需要理解一个假设，就是流形假设(Manifold Hypothesis)。 这个假设认为，高维数据很多都是低维流形嵌入（embedding）于高维空间当中， 比如说三维 阅读全文

摘要： 目录1. 下载代码2. 安装环境的准备3. 代码修改4. mtcnn_detector 参考链接：人脸算法系列：MTCNN人脸检测详解 1. 下载代码 git clone https://github.com/YYuanAnyVision/mxnet_mtcnn_face_detection.git 阅读全文

摘要： 目录1. MT CNN-的原理2. 损失函数4. 升华 Paper地址： https://kpzhang93.github.io/MTCNN_face_detection_alignment/ github链接： https://github.com/kpzhang93/MTCNN_face_det 阅读全文