摘要：
accumulate：Map，逐元素分别单独处理； 注：for_each：不改变区间元素的内容，所以更多的是输出打印等功能；accumulate：Reduce，整体化归为一个单独的数值；两个函数均位于头文件中。1. transform每个元素都做平方处理：vector... 阅读全文
posted @ 2016-09-21 22:44
未雨愁眸
阅读(167)
评论(0)
推荐(0)
摘要：
accumulate：Map，逐元素分别单独处理； 注：for_each：不改变区间元素的内容，所以更多的是输出打印等功能；accumulate：Reduce，整体化归为一个单独的数值；两个函数均位于头文件中。1. transform每个元素都做平方处理：vector... 阅读全文
posted @ 2016-09-21 22:44
未雨愁眸
阅读(269)
评论(0)
推荐(0)
摘要：
最高级的算法依赖于数学理论。1. 异或基本性质a ⊕ a = 0；a ⊕ 0 = aa ⊕ 全1 = !aa ⊕ b = b ⊕ aa ⊕ b ⊕ c = a ⊕ (b ⊕ c) = (a ⊕ b) ⊕ ca ⊕ b ⊕ a = b ⇐ b ⊕ (a ⊕ a) =... 阅读全文
posted @ 2016-09-21 22:23
未雨愁眸
阅读(145)
评论(0)
推荐(0)
摘要：
最高级的算法依赖于数学理论。1. 异或基本性质a ⊕ a = 0；a ⊕ 0 = aa ⊕ 全1 = !aa ⊕ b = b ⊕ aa ⊕ b ⊕ c = a ⊕ (b ⊕ c) = (a ⊕ b) ⊕ ca ⊕ b ⊕ a = b ⇐ b ⊕ (a ⊕ a) =... 阅读全文
posted @ 2016-09-21 22:23
未雨愁眸
阅读(356)
评论(0)
推荐(0)
摘要：
程序实现 softmax classifier, 含有三个隐含层的情况。activation function 是 ReLU : f(x)=max(0,x)f1=w1x+b1 h1=max(0,f1)f2=w2h1+b2h2=max(0,f2)f3=w3h2+b3h... 阅读全文
posted @ 2016-09-21 20:24
未雨愁眸
阅读(579)
评论(0)
推荐(0)
摘要：
程序实现 softmax classifier, 含有两个隐含层的情况。activation function 是 ReLU : f(x)=max(0,x) f1=w1x+b1 h1=max(0,f1)f2=w2h1+b2h2=max(0,f2)f3=w3h2+b3... 阅读全文
posted @ 2016-09-21 20:24
未雨愁眸
阅读(446)
评论(0)
推荐(0)
摘要：
程序实现 softmax classifier, 含有一个隐含层的情况。activation function 是 ReLU : f(x)=max(0,x) f1=w1x+b1 h1=max(0,f1)f2=w2h1+b2y=ef2i∑jef2jfunction O... 阅读全文
posted @ 2016-09-21 20:23
未雨愁眸
阅读(266)
评论(0)
推荐(0)
摘要：
程序实现 Softmax classifer, 没有隐含层， f=wx+by=efi∑jefj%% Softmax classifierfunction Out=Softmax_Classifier(train_x, train_y, opts)% settin... 阅读全文
posted @ 2016-09-21 20:23
未雨愁眸
阅读(242)
评论(0)
推荐(0)
摘要：
1. 多道编程为了提高计算机 CPU 执行的效率（或者说系统的吞吐量），需要多道编程的编程，于是人们在操作系统中引入了进程的概念。如果一个进程有 20% 的时间使用 CPU 进行计算，另外 80% 的时间用来进行 I/O：如果是单道编程，CPU 的利用率只有 20%；... 阅读全文
posted @ 2016-09-21 17:46
未雨愁眸
阅读(152)
评论(0)
推荐(0)
摘要：
1. 多道编程为了提高计算机 CPU 执行的效率（或者说系统的吞吐量），需要多道编程的编程，于是人们在操作系统中引入了进程的概念。如果一个进程有 20% 的时间使用 CPU 进行计算，另外 80% 的时间用来进行 I/O：如果是单道编程，CPU 的利用率只有 20%；... 阅读全文
posted @ 2016-09-21 17:46
未雨愁眸
阅读(241)
评论(0)
推荐(0)
浙公网安备 33010602011771号