监督学习和无监督学习
摘要：
机器学习：定义一、给予计算机能自我学习的能力而不是编程。定义二、对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习 监督学习在有监督的学习中，我们得到了一个数据集，并且已经知道正确的输出应该是什么样的，我们认为输入和输出之间 阅读全文
posted @ 2019-12-04 15:19 cltt 阅读(578) 评论(0) 推荐(0)
手写数字问题
摘要：
H3:[1,1] #第一个1表示照片数量，第二个1表示0～9的一个数字 one-hot(上图)就没有1<2<3的大小关系了 #编码方式 欧式距离 线性很难识别现实的数字问题，如1的字体、倾斜度等 P(1|x)=0.8 #给定x ，label(也就是y)为1的概率为0.8 argmax(pred) # 阅读全文
posted @ 2019-11-26 18:39 cltt 阅读(531) 评论(0) 推荐(0)
pytorch基础
摘要：
import torch import time a = torch.randn(10000, 1000)#要有空格 b = torch.randn(1000, 2000)#1000行，2000列的矩阵 t0 = time.time() c = torch.matmul(a, b)#CPU模式的矩阵 阅读全文
posted @ 2019-11-26 12:48 cltt 阅读(247) 评论(0) 推荐(0)
ubuntu 17.04 下搭建深度学习环境
摘要：
1.目前使用CPU即可，先不需要显卡配置 2.使用pip3 安装深度学习框架 3.要先安装pip3 #sudo apt install python3-pip https://blog.csdn.net/bjzhaoxiao/article/details/81270368 https://blog 阅读全文
posted @ 2019-11-24 18:37 cltt 阅读(191) 评论(0) 推荐(0)
递归神经网络
摘要：
Relu :梯度非1即0 ：激活函数 ：输入门 ：临时的中间状态 综合： 阅读全文
posted @ 2019-11-23 15:24 cltt 阅读(160) 评论(0) 推荐(0)
模型压缩与加速
摘要：
半个1*1，半个3*3 DF*DF ：feature map 的大小 DK*DK :卷积核的大小 M：通道数目 在Pointwise Con中，DK=1Xcep 可缩小为1/8 单个BLOCK的参数量变大，但需要的BLOCK的数目减少了 1*1的Pointwise 是为了打通信息流，那么Shuffl 阅读全文
posted @ 2019-11-22 19:49 cltt 阅读(212) 评论(0) 推荐(0)
从神经网络到深度学习
摘要：
监督学习：标注数据 半监督学习：标注数据和未标注数据 无监督学习：未标注学习 监督学习的性能最可靠，用于企业 通常层间神经元不相通 损失函数：每次都找下山最快的方向(梯度下降法)依赖于网络初始值 神经网络的缺点： 局部最优：下山不一定到最低点 梯度弥散：如：1 0.5 0.25 0.125（接近0） 阅读全文
posted @ 2019-11-20 19:31 cltt 阅读(346) 评论(0) 推荐(0)
浙公网安备 33010602011771号