摘要：1、SIFT综述 尺度不变特征转换(Scale-invariant feature transform或SIFT)是一种计算机视觉算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量，此算法由 David Lowe在1999年所发表，2004年完善总结。 阅读全文

摘要：Sample：样本，数据集中的一条数据。例如图片数据集中的一张图片，语音数据中的一段音频。 Batch：中文为批，一个batch由若干条数据构成。batch是进行网络优化的基本单位，网络参数的每一轮优化需要使用一个batch。batch中的样本是被并行处理的。与单个样本相比，一个batch的数据能更 阅读全文

摘要：梯度下降（GD）是最小化风险函数、损失函数的一种常用方法，随机梯度下降和批量梯度下降是两种迭代求解思路。 下面的h(x)是要拟合的函数，J(theta)损失函数，theta是参数，要迭代求解的值，theta求解出来了那最终要拟合的函数h(theta)就出来了。其中m是训练集的记录条数，j是参数的个数 阅读全文

摘要：交叉熵（Cross-Entropy） 交叉熵是一个在ML领域经常会被提到的名词。在这篇文章里将对这个概念进行详细的分析。 1.什么是信息量？ 假设X是一个离散型随机变量，其取值集合为，概率分布函数为p(x)=Pr(X=x),x∈，我们定义事件X=x0的信息量为： I(x0)=−log(p(x0) 阅读全文

摘要：一、Kmeans算法流程： 1.选取K个类中心（首次随机选取） 2.计算每个点到K个类中心的距离 3.把数据点分配给距离最近的一个类中心 4.计算新的类中心（对该类中的所有点取均值） 5.重复234，直至满足终止条件后终止迭代 不再有重新分配 最大迭代数 所有类中心移动小于某一阈值 二、Kmean算 阅读全文