Picassooo

摘要： 资深技术Leader肺腑忠告:如何成为技术大牛? 这篇文章介绍的“寻找范式、刻意练习、及时反馈；垂直打透、横向迁移、深度复盘；聪明人要下笨功夫”等方法和道理值得反复琢磨和消化。 阅读全文

摘要： 激活函数总结（持续更新） 阅读全文

摘要： 参考： Dropout解决过拟合问题 Dropout原理与实现 Dropout详解 Dropout的定义 在神经网络的训练过程的前向传播中，每个batch的迭代时，以概率p随机关闭神经元（每个neuron, 有p%的可能性被去除;（注意不是去除p比例的神经元），本次反向传播时，只更新未关闭的神经元； 阅读全文

摘要： 什么是non-saturating neurons非饱和神经元？ 阅读全文

摘要： 中国大学MOOC《Python数据分析与展示》 阅读全文

摘要： 细数计算机视觉中那些高质量的竞赛平台 Kaggle入门，看这一篇就够了 阅读全文

摘要： RCNN, Fast-RCNN, Faster-RCNN的一些事 目标检测——从RCNN到Faster RCNN 串烧 RoI Pooling及其改进 从YOLOv1到YOLOv3，目标检测的进化之路 知乎中的一个系列-晓蕾： RCNN-将CNN引入目标检测的开山之作 SPPNet-引入空间金字塔池 阅读全文

摘要： 参考： 深入理解批标准化 （推荐） 批标准化（Batch Normalization ）batch normalization, instance normalization, layer normalization, group normalization （知乎） 在训练过程中，隐层的输入分布老 阅读全文

摘要： 上篇博客中，我们介绍了并用代码实现了PCA算法，本篇博客我们应用PCA算法对鸢尾花数据集降维，并可视化。 鸢尾花数据集简介 代码实现 代码来自MOOC网的《Python机器学习应用》课程。 import matplotlib.pyplot as plt from sklearn.decomposit 阅读全文

摘要： PCA算法 主成分分析（Principal Component Analysis，PCA）是最常用的一种降维方法，通常用于高维数据集的探索与可视化，还可以用作数据压缩和预处理等。PCA可以把具有相关性的高维变量合成为线性无关的低维变量，称为主成分。主成分能够尽可能保留原始数据的信息。PCA的计算涉及 阅读全文