2017年我看过的书籍记录

在16年年尾的下午,我看完了一本书并且有了记录17年书录的想法,在一年的结束,在一年的开始

2016-12-30

写给大家看的设计书(第3版)

作为一个前端开发工程师是有必要了解一些设计上的事情的,自己的审美很重要,一直觉得单纯地实现设计师的设计是只有像我现在这样的菜鸟才能忍受的事。也一直有计划地想要培养一下自己的审美,然后我发现了这本书。不是很厚222页,一个下午就看完了,收益很多,作者着重强调了四个原则:对齐、重复、对比、亲密性。每个点都给出了正反两方面的例子清楚易懂,文中作者也有推荐书籍,已经打算再看《The Non-Designer's Web Book》

2016-01-02

《The Non-Designer's Web Book》

看了《写给大家看的设计书(第3版)》之后就看了这本有关web设计的书,就我个人感觉有些遗憾,收获不多,因为某些原因作者似乎并不待见用代码来实现web页面,当然这跟设计没有多大关系,但当作者无数次提及这点的时候我得承认内心并不舒服。看完整本书我觉得《写给大家看的设计书(第3版)》和这本书只要看其中一本就行了,当然我推荐第一本。其实主要就是设计要抓住四个原则:“对齐,重复,对比,亲密性”

2016-01-18

廖雪峰的官方网站-GIT教程

http://www.liaoxuefeng.com/wiki/0013739516305929606dd18361248578c67b8067c8c017b000

廖雪峰老师的GIT教程非常不错,针对完全没用过的git初学者,简单易懂上手快,真的炒鸡棒而且整个教程看下来用不了多长时间快的半天长点也就一天时间,看完有一种“啊!我今天没有白过的感觉”官网还有JavaScript的教程(虽然也是针对初学者,但我打算看完说不定会有新收获)

再推荐一个网页,是简单的git使用的命令总结感觉挺好比较直观http://www.bootcss.com/p/git-guide/

2016-02-27

推荐一个对prototype原型链解释比较形象的帖子,感觉收获很大

http://www.350351.com/plus/view.php?aid=503783

介绍的语言挺形象之前对原型链的理解真的是看过就忘其实是根本没理解到位,看了这个之后我自己就可以通过“人是人他妈生的,妖是妖他妈生的”这句推导出原型的很多东西,理解真是棒棒哒





【6层】一字型框架办公楼(含建筑结构图、计算) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

辣姐什么鬼

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值