摘要：
一层神经网络的数学形式很简单，可以看成是一个线性运算再加上一个激活函数，那么激活函数的作用是什么？ 答：激活函数的作用是加入非线性因素，提高神经网络对模型的表达能力，解决线性模型不能解决的问题。举个例子：将一层神经网络用作分类器，正样本就让激活函数激活变大，负样本让激活函数激活变小，最终实现对正负样 阅读全文
摘要：
一、一维线性回归 一维线性回归最好的解法是：最小二乘法 问题描述：给定数据集$D=\left \{ \left ( x_{1},y_{1} \right ),\left ( x_{2},y_{2} \right ),\cdots ,\left ( x_{m},y_{m} \right ) \righ 阅读全文
摘要：
本文是《深度学习入门之PyTorch》的读书笔记 Tensor：张量，表示多维的矩阵。 标量：0D张量，即一个点 向量：1D张量 矩阵：2D张量 3D张量与更高维度的张量 不同类型的Tensor。 32位浮点型：torch.FloatTensor，是torch.Tesnor的默认值 64位浮点型：t 阅读全文
摘要：
Q1：卷积深经网络有什么特性？ 平移不变性（translation invariant）：卷积神经网络学习到的模式具有平移不变性，即卷积神经网络在图像中右下角学习到某个模式之后，它可以在任何地方识别这个模式，比如左上角。视觉空间从根本上也具有平移不变性。 卷积神经网络可以学习到模式的空间层次结构。如 阅读全文
摘要：
VGG16 一、摘要 VGG-16主要采用增加卷积层的方法来加深网络，结果发现网络深度越深，网络学习的效果越好，分类能力越强。 该文表明：使用非常小的卷积滤波器（3×3）增加网络深度，当深度增加到16-19层时，可以实现对现有技术的显著改，并且对于其他图像识别的数据集也有很好的推广能力。 二、Con 阅读全文
摘要：
声明：本文参考https://blog.csdn.net/u013733326/article/details/79907419和吴恩达老师的授课内容 一、实验的目的：使用优化的梯度下降算法，所以需要做一下几件事： 分割数据集（mini-batch） 优化梯度下降算法： 不使用任何优化算法：Batc 阅读全文
摘要：
给定一个长度为n的序列，共有q次操作，每次操作分为两种1和2 1、p x 将序号p处的值改为x 2、x 将序列中小于x的值变成x 思路：这道题大体上是一个线段树，用来维护区间最小值。操作1，每次将x与区间最小值进行比较，如果小的话就进行修改。比较麻烦的的是操作2，属于区间修改，一不小心就会T掉，区间 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文
该文被密码保护。 阅读全文