摘要：
bn是拉平各个feature的差异，而l2 norm是拉平各个样本的差异，本来各个样本的模长千变万化，按照距离的概念，差别是很大的，但是l2 norm后，距离就变得有一个上界了，显然样本间差异变小了。而对于各个feature，本来各个feature的量级都可能不一样，方差也就不一样，bn让方差为1， 阅读全文
posted @ 2018-04-28 00:08
木易修
阅读(1063)
评论(0)
推荐(0)
摘要：
转自：https://zhuanlan.zhihu.com/p/22260935 本文收录在无痛的机器学习第一季。 写在前面，这篇文章的原创性比较差，因为里面聊的已经是老生长谈的事情，但是为了保持对CNN问题的完整性，还是把它单独拿出来写一篇了。已经知道的童鞋可以忽略，没看过的童鞋可以来瞧瞧。 这次 阅读全文
posted @ 2018-04-25 06:04
木易修
阅读(367)
评论(0)
推荐(0)
摘要：
著名CV数据集 http://www.cvpapers.com/datasets.html 阅读全文
posted @ 2018-03-30 14:38
木易修
阅读(166)
评论(0)
推荐(0)
摘要：
1.附加数据库 1 EXEC sp_attach_single_file_db @dbname= 'GroupData1_Data' , @physname= '/media/disk4/share/DataSet/QunData/GroupData1_Data.MDF' 2 EXEC sp_att 阅读全文
posted @ 2018-03-07 13:24
木易修
阅读(6210)
评论(7)
推荐(0)
摘要：
1.列举常见的一些范数及其应用场景，如L0，L1，L2，L∞，Frobenius范数 答：p39-p40 ;还有p230-p236有regularization的应用 2.简单介绍一下贝叶斯概率与频率派概率，以及在统计中对于真实参数的假设。 答：p55 3.概率密度的万能近似器 答：p67：3.10 阅读全文
posted @ 2018-03-03 10:56
木易修
阅读(2195)
评论(2)
推荐(0)
摘要：
1.1.2 Building basic functions with numpy 1.1.2.2 numpy.exp, sigmoid, sigmoid gradient 1.1.2.3 numpy.reshape(), numpy.shape 1.1.2.4 Normalizing rows n 阅读全文
posted @ 2018-02-22 01:26
木易修
阅读(1947)
评论(0)
推荐(0)
摘要：
(Stanford)69G大规模无人机(校园)图像数据集【Stanford】 http://cvgl.stanford.edu/projects/uav_data/ 人脸素描数据集【CUHK】 http://mmlab.ie.cuhk.edu.hk/archive/facesketch.html 自 阅读全文
posted @ 2018-02-01 17:36
木易修
阅读(1299)
评论(0)
推荐(0)
摘要：
转自http://mp.weixin.qq.com/s?__biz=MzU0NTAyNTQ1OQ==&mid=2247485402&idx=2&sn=d4c0d65b75ebca219397cf2263ca480a&chksm=fb727b06cc05f21082d6e469496e71559744 阅读全文
posted @ 2018-02-01 17:35
木易修
阅读(3022)
评论(0)
推荐(0)
摘要：
pip国内的一些镜像 阿里云 http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 豆瓣(douban) http://pypi.douban.com/simple/ 清华大学 h 阅读全文
posted @ 2018-02-01 14:36
木易修
阅读(294)
评论(0)
推荐(0)
摘要：
在CMakeLists.txt中,要对某些子文件夹全部进行编译则使用 那如果在examples文件夹中建立了某个目录如examples/venv,此时venv中的内容不需要被编译，那么在CMakeLists.txt中应修改如下： 阅读全文
posted @ 2018-02-01 02:18
木易修
阅读(5576)
评论(0)
推荐(0)
浙公网安备 33010602011771号