摘要：
public static class Node { public int value; public Node left; public Node right; public Node(int data) { this.value = data; } } public static boolean 阅读全文
posted @ 2020-01-30 15:03
砍柴人Ryan
阅读(610)
评论(0)
推荐(0)
摘要：
自然语言处理（NLP） NLP中最细粒度的是词语（word），词语组成句子，句子再组成段落、章节和文档。所以NLP的核心问题就是：如何理解word 如何理解word 由于目标是与计算机对接，其核心就是如何给计算机描述一个word，有以下两种描述方式： One-hot Representation D 阅读全文
posted @ 2019-10-21 08:54
砍柴人Ryan
阅读(332)
评论(0)
推荐(0)
摘要：
前言 此为本人学习《百面机器学习——算法工程师带你去面试》的学习笔记，详细请参考《百面机器学习》 第一章 特征工程 特征工程，是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。从本质上讲，特征工程是一个表示和展现数据的过程。在实际工作中，特征工程旨在去除原始数据的杂质和冗余， 阅读全文
posted @ 2019-10-21 08:51
砍柴人Ryan
阅读(413)
评论(0)
推荐(0)
摘要：
一、用new申请内存空间 二、用malloc申请内存空间 三、使用vector创建一个二维数组 或者 阅读全文
posted @ 2019-05-30 19:56
砍柴人Ryan
阅读(20066)
评论(0)
推荐(3)
摘要：
前言 本文为学习《深度学习入门》一书的学习笔记，详情请阅读原著 五、CNN的实现 搭建进行手写数字识别的 CNN。这里要实现如图 7-23 所示的 CNN。 图 7-23 简单 CNN 的网络构成 如图 7-23 所示，网络的构成是“Convolution - ReLU - Pooling -Aff 阅读全文
posted @ 2019-05-12 18:56
砍柴人Ryan
阅读(2280)
评论(3)
推荐(0)
摘要：
前言 本文学学习深度学习入门一书的学习笔记，详情请阅读原著 三、池化层 池化是缩小高、长方向上的空间的运算。比如，如图 7-14 所示，进行将 2 × 2 的区域集约成 1 个元素的处理，缩小空间大小。 图 7-14 Max 池化的处理顺序 图 7-14 的例子是按步幅 2 进行 2 × 2 的 M 阅读全文
posted @ 2019-05-12 18:55
砍柴人Ryan
阅读(1086)
评论(0)
推荐(0)
摘要：
前言 本文为学习《深度学习》入门一书的学习笔记，详情请阅读原著 一、整体结构 卷积神经网络（Convolutional Neural Network，CNN）。CNN被用于图像识别、语音识别等各种场合。 CNN和之前介绍的神经网络一样，可以通过组装层来构建，但是，CNN中出现了卷积层（Convolu 阅读全文
posted @ 2019-05-12 18:55
砍柴人Ryan
阅读(784)
评论(0)
推荐(0)
摘要：
与学习相关的技巧 前言 本文为本人学习深度学习入门一书的学习笔记，详情请阅读原著 四、正则化 机器学习的问题中，过拟合是一个很常见的问题。过拟合指的是只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。机器学习的目标是提高泛化能力，即便是没有包含在训练数据里的未观测数据，也希望模型 阅读全文
posted @ 2019-05-12 18:55
砍柴人Ryan
阅读(512)
评论(0)
推荐(0)
摘要：
与学习相关的技巧 前言 此为本人学习《深度学习入门》的学习笔记 一、参数的更新 神经网络的学习的目的是找到使损失函数的值尽可能小的参数。这是寻找最优参数的问题，解决这个问题的过程称为最优化（optimization）。为了找到最优参数，我们将参数的梯度（导数）作为了线索。使用参数的梯度，沿梯度方向更 阅读全文
posted @ 2019-05-12 18:54
砍柴人Ryan
阅读(365)
评论(0)
推荐(0)
摘要：
误差反向传播法 前言 此为本人学习《深度学习入门》的学习笔记 四、简单层的实现 本节将用 Python 实现前面的购买苹果的例子。这里，我们把要实现的计算图的乘法节点称为“乘法层”（MulLayer），加法节点称为“加法层”（AddLayer）。 1、乘法层的实现 层的实现中有两个共通的方法（接口） 阅读全文
posted @ 2019-05-12 18:54
砍柴人Ryan
阅读(1134)
评论(0)
推荐(0)
浙公网安备 33010602011771号