摘要：
TensorFlow 2.0 版本将 keras 作为高级 API，对于 keras boy/girl 来说，这就很友好了。tf.keras 从 1.x 版本迁移到 2.0 版本，需要注意几个地方。 1. 设置随机种子 2. 设置并行线程数和动态分配显存 3. model.compile() 中设置 阅读全文
摘要：
tf.keras.metric 里面竟然没有实现 F1 score、recall、precision 等指标，一开始觉得真不可思议。但这是有原因的，这些指标在 batch-wise 上计算都没有意义，需要在整个验证集上计算，而 tf.keras 在训练过程（包括验证集）中计算 acc、loss 都是一个 batch 计算一次的，最后再平均起来。 阅读全文
摘要：
之所以会有这个问题，是因为在学习 logistic regression 时，《统计机器学习》一书说它的负对数似然函数是凸函数，而 logistic regression 的负对数似然函数（negative log likelihood）和 交叉熵函数（cross entropy）具有一样的形式。 阅读全文
摘要：
TensorFlow Datasets 简单介绍，使用 tfds 方便导入一些 tf.keras.datasets 中没有的数据集。 阅读全文
摘要：
python 命令行参数解析常用到 argparse 包，但是 argparse 包对 bool 值的传递可能和你想不太一样，在传递 bool 的时候，设定 type=bool，此时命令行中只要出现了参数就取 True，不管你设置了该参数取 True 还是 False，这个有点反人类，正确的做法是使用 action='store_true' 而不是设定 type=bool。 阅读全文
摘要：
验证集效果比测试集好怎么办？ 阅读全文
摘要：
主动学习，Core-set 查询策略，2018 年 ICLR 的一篇文章，成为了之后很多文章的 baseline。其中，K-center-greedy 方法实现简单，速度快；Robust k-center 速度慢，但效果更好。 阅读全文
摘要：
Monte-Carlo Dropout（蒙特卡罗 dropout），简称 MC dropout。一种从贝叶斯理论出发的 Dropout 理解方式，将 Dropout 解释为高斯过程的贝叶斯近似。本文简单介绍 MC dropout，并说明神经网络模型如何表示 uncertainty。 阅读全文
摘要：
NumPy 不会主动检测并利用 GPU，虽然 NumPy 已经很好用了，但是能利用 GPU 的 NumPy 替代品速度会更快。 阅读全文
摘要：
查看 CUDA 和 cuDNN 的版本，安装对应版本的深度学习框架。 阅读全文