无机器不学习-加大码先森的分享

穿加大码，AI数据，纯手工智能，欢迎关注公众号"XL码先森”，分享一路的成长，思考，总结

10月 09月 08月 07月 06月 05月 03月

原创《征服C指针》读书笔记

《征服C指针》读书笔记评价对于学习过C语言和C++的，《征服C指针》推荐一读，能明白一些指针深层次的一些知识点，对于一些知识有一种顿悟的感觉。如果C语言不熟或者是初学者就没必要看这种书了。好好学基础知识吧。知识总结实验结果 #include<stdio.h> int main(void) { int array[5]; int *p; int i;

2016-10-14 10:47:37 563

原创 Ubuntu14.04+CUDA8.0+GTX1080+MatlabR2015b

环境说明Ubuntu14.04+CUDA8.0+GTX1080+MatlabR2015b安装1080显卡驱动Ctrl+alt+F1进入字符界面，关闭图形界面 sudo service lightdm stop 安装1080显卡驱动sudo chmod 755 NVIDIA-Linux-x86_64-367.27.run //获取权限 sudo ./NVIDIA-Linux-x86_64-3

2016-10-12 21:58:46 1287

原创机器学习中的线性和非线性判断

说到线性和非线性，你的理解是不是这样：但这种直观理解其实不能回答下面这个问题：那么为什么卷积操作是线性的，而ReLU是非线性的？很多人对线性的定义不是很清楚。实际上，线性的定义是： F(ax+y) = aF(x) + F(y)，其中x、y为变量而a为常数。卷积操作满足上面的式子，所以是线性操作。下面可以快速判断是为非线性的三种常见情况： (变量)^n，且n不为1 |变量|

2016-10-11 11:28:55 9404 1

原创【数据结构学习】线性表List

线性表List线性表List说明总览链表链表三类型Simple Linked ListC实现思路基本操作说明本系列文章用于简明的记录数据结构基础知识点，以方便快速地温故知新。有时间，将会整理相关的C++和C语言下的实现程序和相关应用的记录。总览链表链表三类型Simple Linked List −单链表，单向链表Doubly Linked List − 双向链表Circu

2016-10-10 20:46:14 528

原创 learning rate 和weight decay

首先，假设我们有loss function为 E(w)E(\mathbf{w})梯度下降告诉我们在 EE的最快速下降的方向修改权值： wi←wi−η∂E∂wi,\begin{equation} w_i \leftarrow w_i-\eta\frac{\partial E}{\partial w_i}, \end{equation} 这里η\eta为学习率，学习率越大则对应的权重

2016-10-08 10:28:57 3704

原创 Matlab debug技巧

实用而精简的matlab debug技巧教程.

2016-10-07 17:12:16 7571 1

原创【C++ 学习】C++输入输出IO

说明IO基本概念IO中间商内存缓冲区IO库总览cout是流对象不是关键字说明 C++编程I/O要点总结资料参考 C++输入输出 IO基本概念IO操作，两类：从设备读取数据将数据写入设备这里，设备可以使控制台或者文件等。还有一种是内存IO，比如string类型，从string中读取数据，向string中写入数据。关键词: 设备从上面我们可以知道，C++输入输出包含三

2016-10-02 11:26:47 404

原创【C++ 学习】那些习以为常的背后之一从0开始的计数

说明为什么从0开始计数对称区间和不对称区间说明 C++编程有一些习以为常的惯用用法，认真思考会发现并不是无凭无据。为什么从0开始计数在C++程序中，大家经常可见从0开始计数而不是从1开始计数。for(int i=0; i!=rows;++i){...}如果从1开始的话，等价于：for(int i=1; i<=rows;++i){...}实际上这两种是等价，但是为什么习惯用第一种方式

2016-10-01 17:30:07 461

Machine Learning for Developers写给开发者的机器学习

分享仅供非商业用途，请于24小时内删除！如有侵权请联系本人删除 What you will learn Learn the math and mechanics of Machine Learning via a developer-friendly approach Get to grips with widely used Machine Learning algorithms/techniques and how to use them to solve real problems Get a feel for advanced concepts, using popular programming frameworks. Prepare yourself and other developers for working in the new ubiquitous field of Machine Learning Get an overview of the most well known and powerful tools, to solve computing problems using Machine Learning. Get an intuitive and down-to-earth introduction to current Machine Learning areas, and apply these concepts on interesting and cutting-edge problems.

2018-05-11