流氓日记和Bird MFC/C++问题搜集器开发手记 2005.1.3

最新推荐文章于 2022-10-09 20:01:36 发布
最新推荐文章于 2022-10-09 20:01:36 发布
阅读量1.1k 收藏
点赞数
分类专栏： 流氓日记 文章标签： blog 文档
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhaochong12/article/details/238456
版权

2005年到来的第一个早晨，终于解决了去年留下的Unicode->UTF-8的转化, 可是在解决以后的第二分钟, 发现Goodle支持GB2312，于是吐血数升~ 白写了，不过想以后会用到的~~ 就算用不到，放在blog上, 也许能帮上有缘的朋友一点小忙~：）这便足够了~

今天是1月3号,早起醒来的时候还在提醒自己这个程序要慢慢写~ 结果在中午的时候1.0版已经出世..-_-#..心魔作怪..可惜还没能找到优秀的免费空间, 91X.net的空间和myrice一样..只能浏览不能下载,唉....这年头~ 世道不好了...........

昨天看到一篇关于DEL临时文件的文档,本身是没有留下太多印象的, 只是其中一个回帖: del **** /s , 简单明了却把现有资源发挥的淋漓~世间万物各司其职，美好油然而现，也在思考把多种资源混合使用~ 这样便能简化许多问题，希望可以道法自然，万物我用

在路上的感觉,真好~

zhaochong12
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Machine Learning Yearning_吴恩达_英文版+中文版
10-25
Machine Learning Yearning_英文版+中文版 (中文版会持续更新，并有更新的链接地址) 注：转载别人的，无商业目的，资源共享。
吴恩达《Machine Learning Yearning》学习笔记
fengtaoO08的博客
11-22 722
本文链接 开始 推动深度学习（神经网路）近期发展的主要因素： a) 数据可用性（data availability)，如今广泛数字化行为产生海量数据可供训练。 b) 计算规模（computational scale），如今有能力训练出足够大的神经网络。 在小数据集情况下，算法的表现更多取决于人工特征选择工程，此时选择神经网络还是传统算法并非决定因素。在大数据集情况下，传统算法较难从数据量中获得更...
一文读完 Machine Learning Yearning
月夜长影
09-11 526
文章目录引言介绍设定开发集和测试集训练集、开发集、测试集开发集和测试集分布一致开发集和测试集的大小建立标量评价指标何时换开发集/测试集/评价指标基本错误分析快速构建第一个系统，然后迭代错误分析：根据开发集评估想法清除错误标签和样本如果开发集较大，分出部分用于错误分析偏差和方差两大类错误源对照最优错误率对付偏差和方差学习曲线人类水平对照必要性如何定义人类水平超越人类水平训练测试分布不同何时会有这种情...
《Machine Learning Yearning》
海绵宝宝强无敌的博客
11-14 1176
《Machine Learning Yearning》概要
Machine Learning Yearning 中文翻译稿
datayx的文章
11-01 805
...
C++开发的Flappy Bird.zip
07-07
1.菜单栏：开始、难度及帮助栏位，开始分为快速开始和结束，快速开始会直接展开难度为 EASY 的游戏，退出则关闭界面；难度栏可选择易中难三种难度分别开始游戏。 2.按钮：Start、Ranking、Exit、Instruction。按下 ...
c-or-cPPcode-practice.rar_单片机开发_C/C++_
08-11
Code for new bird in C/C++ programming!Hope it can help you!
收集和整理的c++小游戏合集（115个）.rar
11-03
收集和整理的c++小游戏合集（115个）： ABS五子棋（win7）.cpp Beat BIT.cpp flappy_bird1（比2更精致，但有闪屏问题）.cpp gmon.out move闯关.cpp qwq.cpp UNO.cpp yourcraft.cpp 三国杀AI（偶尔有BUG）.cpp 三子棋...
C++小游戏源码之-小鸟快飞flappy_bird2.cpp
11-09
C++小游戏源码,可供学习及设计参考。
FlappyBird愤怒的小鸟 c++游戏实现 学习代码.zip
最新发布
12-27
FlappyBird愤怒的小鸟 c++游戏实现 学习代码.zip 一、开启c++ 游戏之门 对于许多初学者来说，c++ 可能是一门既神秘又令人畏惧的语言。但其实，c++ 也可以非常有趣！这次我们为您带来了一系列c++ 小游戏资源，旨在...
Machine_Learning_Yearning_V0.5_01.pdf
12-10
Andrew Ng的新书《Machine Learning Yearning》01部分
maching learning yearing
04-18
maching learning yearing andrew ng 2018最新力作 Machine Learning Yearning is a deeplearning.ai project
Machine Learning Yearning（吴恩达老师最新章节）
05-10
Once you have identified whether your algorithm has high bias or variance, these chapters discuss specific techniques to address the two.
吴恩达新书-Machine learning Yearning
06-14
吴恩达新书《Machine learning Yearning》最新整理版，包括目前所有最新章节。
Machine_Learning_Yearning_V01
04-26
Table of Contents (draft) Why Machine Learning Strategy 4 ........................................................................................... How to use this book to help your team 6 ................................................................................ Prerequisites and Notation 7 .................................................................................................... Scale drives machine learning progress 8 ................................................................................ Your development and test sets 11 ............................................................................................ Your dev and test sets should come from the same distribution 13 ........................................ How large do the dev/test sets need to be? 15 .......................................................................... Establish a single-number evaluation metric for your team to optimize 16 ........................... Optimizing and satisficing metrics 18 ..................................................................................... Having a dev set and metric speeds up iterations 20 ............................................................... When to change dev/test sets and metrics 21 .......................................................................... Takeaways: Setting up development and test sets 23 .............................................................. Build your first system quickly, then iterate 25 ........................................................................ Error analysis: Look at dev set examples to evaluate ideas 26 ................................................ Evaluate multiple ideas in parallel during error analysis 28 ................................................... If you have a large dev set, split it into two subsets, only one of which you look at 30 ........... How big should the Eyeball and Blackbox dev sets be? 32 ...................................................... Takeaways: Basic error analysis 34 .......................................................................................... Bias and Variance: The two big sources of error 36 ................................................................. Examples of Bias and Variance 38 ............................................................................................ Comparing to the optimal error rate 39 ................................................................................... Addressing Bias and Variance 41 .............................................................................................. Bias vs. Variance tradeoff 42 ..................................................................................................... Techniques for reducing avoidable bias 43 .............................................................................. Techniques for reducing Variance 44 ....................................................................................... Error analysis on the training set 46 ........................................................................................ Diagnosing bias and variance: Learning curves 48 ................................................................. Plotting training error 50 .......................................................................................................... Interpreting learning curves: High bias 51 ............................................................................... Interpreting learning curves: Other cases 53 .......................................................................... Plotting learning curves 55 ....................................................................................................... Why we compare to human-level performance 58 .................................................................. How to define human-level performance 60 ........................................................................... Surpassing human-level performance 61 ................................................................................ Why train and test on different distributions 63 ...................................................................... Page!2 Machine Learning Yearning-Draft V0.5 Andrew NgWhether to use all your data 65 ................................................................................................ Whether to include inconsistent data 67 .................................................................................. Weighting data 68 .................................................................................................................... Generalizing from the training set to the dev set 69 ................................................................ Addressing Bias and Variance 71 ............................................................................................. Addressing data mismatch 72 ................................................................................................... Artificial data synthesis 73 ........................................................................................................ The Optimization Verification test 76 ...................................................................................... General form of Optimization Verification test 78 ................................................................... Reinforcement learning example 79 ......................................................................................... The rise of end-to-end learning 82 ........................................................................................... More end-to-end learning examples 84 .................................................................................. Pros and cons of end-to-end learning 86 ................................................................................ Learned sub-components 88 .................................................................................................... Directly learning rich outputs 89 .............................................................................................. Error Analysis by Parts 93 ....................................................................................................... Beyond supervised learning: What’s next? 94 ......................................................................... Building a superhero team - Get your teammates to read this 96 ........................................... Big picture 98 ............................................................................................................................ Credits 99
吴恩达新书-Machine Learning Yearning 中文版全 (1-52章)
热门推荐
maerdym的专栏
09-27 1万+
吴恩达新书 Machine Learning Yearning 中文版
Machine Learning Yearning介绍
AI小白入门的博客
06-01 5125
Machine Learning Yearning是NG的新书，不过这本书的重点不在于教授ML算法，而在于教你如何使ML算法发挥作用。 很多AI课程会给教你制造一个锤子; 这本书教你如何使用锤子。 如果你渴望成为AI的技术领导者并想学习如何为你的团队设定方向，这本书将会有所帮助。 官网地址：http://www.mlyearning.org/ github上现在可以看到：https://git...
吴恩达《Machine Learning Yearning》完整中文版开源
刘星麟的博客
10-21 1360
《Machine Learning Yearning》是吴恩达历时两年，根据自己多年实践经验整理出来的一本机器学习、深度学习实践经验宝典。作为一本 AI 实战圣经，本书主要教你如何在实践中使机器学习算法的实战经验。 Github：https://github.com/deeplearning-ai/machine-learning-yearning-cn 在线阅读：https://deep...
读书笔记1|深度学习入门：Machine Learning Yearning
qq_40985985的博客
10-09 372
同事推荐的深度学习入门书，花了俩天加班读完收货还蛮多的。嗯就是站在一个高度上，不突然一下子把自己扎进去。先整体了解思想，以思考如何解决问题的方式，先理清思路。这是这本书给我的感受。
"import promise from \"../../bluebird/js/browser/bluebird.min.js"
12-13
import promise from "../../bluebird/js/browser/bluebird.min.js"是一行JavaScript代码，它的作用是导入一个名为"promise"的模块，并将这个模块赋值给变量promise。 在这行代码中，使用了相对路径"../../bluebird...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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