- 博客(27)
- 收藏
- 关注
RSS订阅原创 27.tensorflow-------tf.Variable()、tf.get_variable()和tf.placeholder()
https://www.jianshu.com/p/d80a21489184https://www.jianshu.com/p/2061b221cd8f?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendationhttps://blog.csdn.net...
2019-06-10 11:50:59
181
原创 26.Python 在形参和实参中使用 * 和 **
https://blog.csdn.net/weixin_33973609/article/details/87612196
2019-05-16 18:56:16
260
原创 25.理一理关于tensorflow的各种骚操作
1.tf.squeezehttps://www.jianshu.com/p/a21c0bc10a382.tf.casthttps://blog.csdn.net/dcrmg/article/details/797478143.tf.expand_dims https://www.cnblogs.com/helloworld0604/p/90017...
2019-05-14 21:32:46
229
原创 23.关于交叉熵以及为什么使用交叉熵
https://www.zhihu.com/question/65288314https://zhuanlan.zhihu.com/p/61944055https://blog.csdn.net/inner_sum/article/details/79511023
2019-05-09 20:14:37
305
原创 22.Logistic Regression 与交叉熵损失函数理解及常用损失函数总结
https://blog.csdn.net/comway_Li/article/details/81537193https://www.jiqizhixin.com/articles/091202https://www.cnblogs.com/lliuye/p/9549881.html
2019-05-09 20:09:16
900
原创 21.深入理解Batch Normalization批标准化
https://www.cnblogs.com/guoyaohua/p/8724433.html
2019-05-09 20:04:13
161
原创 20.自然语言处理（NLP）面试必备：pointwise 、 pairwise 、listwise
https://zhuanlan.zhihu.com/p/56938216
2019-05-08 13:41:44
1755
原创 19.python风格规范
https://zh-google-styleguide.readthedocs.io/en/latest/google-python-styleguide/python_style_rules/ https://blog.csdn.net/qq_41936974/article/details/81941391 https://blog.csdn.net/weixin_3...
2019-04-16 09:55:52
144
原创 18.pytorch中squeeze()和unsqueeze()函数
https://blog.csdn.net/flysky_jay/article/details/81607289https://blog.csdn.net/xiexu911/article/details/80820028 先看torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度， 比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一...
2019-04-16 09:50:54
820
原创 17.关于Capsule Net 胶囊网络
https://zhuanlan.zhihu.com/p/56296828?utm_source=wechat_timeline&utm_medium=social&utm_oi=565476691313602560&from=timeline&isappinstalled=0
2019-04-05 14:13:46
236
原创 16.周期学习率(cyclical learing rates,CLR)
周期学习率(cyclical learing rates,CLR).该方法不是单调的降低学习率，而是使学习率在合理的边界值内循环变化。 使用周期学习率而不是固定值进行训练可以提高分类准确率，而无需进行调整并且通常可以减少迭代次数。 本文还描述了一种估算“合理界限”的简单方法 -- 在几个周期内线性的增加学习率。 贡献点： 1. 一种用于设置全局学习率的方...
2019-04-05 14:11:57
760
原创 15.python列表append与extend
https://www.cnblogs.com/xuchunlin/p/5479119.html
2019-04-05 14:11:18
127
原创 14.python当中深浅拷贝
https://www.cnblogs.com/doublexi/p/8745792.html =赋值：数据完全共享（=赋值是在内存中指向同一个对象，如果是可变(mutable)类型，比如列表，修改其中一个，另一个必定改变 浅拷贝：数据半共享（复制其数据独立内存存放，但是只拷贝成功第一层） 意思是说最外层大家的地址是一样的，你去改变最外层的其中一个变量，另一个不会改变，但...
2019-03-25 14:20:48
174
原创 13.集成学习相关
首先是校招王者公众号 GBDT与xgboost相关： https://zhuanlan.zhihu.com/p/30339807 https://www.zhihu.com/question/58883125 https://www.cnblogs.com/pinard/p/614...
2019-03-25 14:20:24
191
原创 11.1*1卷积的主要作用有以下几点：
1、降维（ dimension reductionality ）（减少参数）。比如，一张500 * 500且厚度depth为100 的图片在20个filter上做1*1的卷积，那么结果的大小为500*500*20。 2、升维（用最少的参数拓宽网络channal） 3、加入非线性。卷积层之后经过激励层，1*1的卷积在前一层的学习表示上添加了非线性激励（ non-linear ...
2019-03-25 14:19:30
1918
原创 10.关于深度学习中的各种优化方法：
https://blog.csdn.net/koala_tree/article/details/78199611 吴恩达课程 https://blog.csdn.net/qq_23269761/article/details/80901411 博客总结的比较好 https://blog.csdn.net/manong_wxd/article/details/787354...
2019-03-25 14:18:40
341
原创 9.关于注意力机制
首先阿里面试官的说法是：”简单理解就是学习网络中间层输出值的权重。self-attention 是在给中间层输出值进行编码“ ”看结构和公式应该可以看出它在学习什么。attention 的对齐可解释性效果不能说完美，但是attention一开始引入为了学习图像局部像素特征的权重。“ 优点: 1.一步到位的全局联系捕捉 attention...
2019-03-17 15:46:32
634
原创 8.glove与Word2vec、LSA的比较（还有TF-IDF也要去熟悉）
https://github.com/imhuay/Algorithm_Interview_Notes-Chinese/blob/master/B-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/B-%E4%B8%93%E9%A2%98-%E8%AF%8D%E5%90%91%E9%87%8F.mdLSA(Latent Semanti...
2019-03-17 15:46:12
1161
原创 7.决策树相关问题：
见校招王者微信小程序 https://blog.csdn.net/qq_33011855/article/details/81478306
2019-03-17 15:44:37
214
原创 6.Python zip与*zip:
zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。 从参数中的多个迭代器取元素组合成一个新的迭代器； 返回： 返回一个zip对象，其内部元素为元组；可以转化为列表或元组； 传入参数： 元组、列表、字典等迭代器。 zip()函数的用法 当zip()函数中只有...
2019-03-17 15:44:11
178
原创 5.Python多进程与多线程
线程是最小的执行单元，而进程由至少一个线程组成。如何调度进程和线程，完全由操作系统决定，程序自己不能决定什么时候执行，执行多长时间。 多进程和多线程的程序涉及到同步、数据共享的问题，编写起来更复杂。 在Unix/Linux下，可以使用fork()调用实现多进程。 要实现跨平台的多进程，可以使用multiprocessing模块。 进程间通信是通过Q...
2019-03-17 15:43:23
202
原创 4.特征选择方法：
特征选择是指选择获得相应模型和算法最好性能的特征集，工程上常用的方法有以下： a.计算每一个特征与响应变量的相关性：工程上常用的手段有计算皮尔逊系数和互信息系数， 皮尔逊系数只能衡量线性相关性而互信息系数能够很好地度量各种相关性，但是计算相对复杂一些， 好在很多toolkit里边都包含了这个工具（如sklearn的MINE），得到相关性之后就可以排序选择特...
2019-03-17 15:42:55
398
原创 3.列表与元祖的区别：
a.列表是可变的，元祖是不可变的（我们可以修改列表的值，但是不能修改元祖的值） b.由于列表是可变的，所以不能将列表作为字典的key，但是可以将元祖作为字典的key c.元祖无法复制，但我们可以将两个元祖合并成一个新元祖 d.习惯上元祖多用于存储异构(不同数据类型元素),而列表多用于存储一些同构元素...
2019-03-17 15:42:30
2252
原创 2.python匿名函数：
关键字lambda表示匿名函数，冒号前面的x表示函数参数。 匿名函数有个限制，就是只能有一个表达式，不用写return，返回值就是该表达式的结果。 用匿名函数有个好处，因为函数没有名字，不必担心函数名冲突。此外，匿名函数也是一个函数对象，也可以把匿名函数赋值给一个变量，再利用变量来调用该函数 可以带默认值c = lambda x,y=2: x+y #使用了默认值...
2019-03-17 15:41:46
312
原创 1.numpy与pandas区别以及用法:
Numpy是以矩阵为基础的数学计算模块，运算效率比列表更高效，纯数学； Scipy基于Numpy，科学计算库，有一些高阶抽象和物理模型。比方说做个傅立叶变换，这是纯数学的，用Numpy；做个滤波器，这属于信号处理模型了，在Scipy里找。 Pandas提供了一套名为DataFrame的数据结构，能更方便的操作大型数据集，比较契合统计分析中的表结构，并且提供了计算接口，可用...
2019-03-17 15:40:59
1541
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人