唐淼

摘要： 阅读全文

摘要： 如果小伙伴的英语能力强可以直接阅读这里：https://stackoverflow.com/questions/45137835/what-the-impact-of-different-dimension-of-image-resizer-when-using-default-confi 和htt 阅读全文

摘要： 这是因为目前的protoc3.5有Bug,换成3.4就好了https://github.com/google/protobuf/releases/tag/v3.4.0 阅读全文

摘要： 在跑的时候可以让加些选项: with tf.Session(config=tf.ConfigProto(allow_soft_placement=True, log_device_placement=True)): 其中allow_soft_placement能让tensorflow遇到无法用GPU 阅读全文

摘要： 如果有同学没有MINST数据，请到http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_download.html下载，或者QQ问我 阅读全文

摘要： 后记：其实发现原因后感觉自己很蠢，是自己开了一个软件叫adsafe，会屏蔽一些东西，所以我拼命的用自己的电脑ip都连不上，换成回环地址就好了，把软件关了也可以。 在无数种尝试后，终于在stackoverflow上找到一种方法：https://stackoverflow.com/questions/4 阅读全文

摘要： 卷积神经网络比神经网络多了卷积2个字，但是其实一般多了2个层：卷积层和池化层。卷积层的作用主要是用来提取特征的，而且能保存好空间结构，因为在全连接层，直接把向量给拉平了。设立多个卷积层，就能提取各种各样的特征。然后就是池化层，它的作用是降采样，就是去除一些图片中“不重要”的东西(把平面维度变小，比如 阅读全文

摘要： 1.反向传播 关于反向传播我的理解是这样的，SVM和SoftMax可以看成一层神经网络，你如果想要调整它的W很简单，只有求导就可以了，但是当神经网络有多层的话，你无法直接求导来更新最开始层的W，于是就出现了反向传播这个工具。至于神经网络为什么需要多层，理由有很多，我先举个例子，比如一个汽车在图片里面 阅读全文

摘要： 1.理解线性分类器 目前我了解学习的线性分类器有2个：SVM和逻辑回归（也就是SoftMax），这2个分类器的主体都是一样，不同的地方就是生成损失函数不一样。所以我先讲主体，再讲损失函数，关于线性分类器，大体就是这个样子： 图片说明：生成这三根直线就是三个线性分类器，如果生成了这三根直线后，后面再有 阅读全文

摘要： K最近邻(k-Nearest Neighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 如：绿色圆要被决定赋予哪个类，是红色三角形还 阅读全文