自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(9)
  • 收藏
  • 关注

原创 由Batch Normalization引发的深入浅出PCA主成份分析

主成分分析(Principal components analysis)-最大方差解释     在这一篇之前的内容是《Factor Analysis》,由于非常理论,打算学完整个课程后再写。在写这篇之前,我阅读了PCA、SVD和LDA。这几个模型相近,却都有自己的特点。本篇打算先介绍PCA,至于他们之间的关系,只能是边学边体会了。PCA以前也叫做Principal factor a

2017-07-31 15:47:10 790

原创 YOLO_V2的region_layer LOSS损失计算源码解读

region_layer.cbox get_region_box(float *x, float *biases, int n, int index, int i, int j, int w, int h, int stride){ box b; b.x = (i + x[index + 0*stride]) / w; b.y = (j + x[index + 1*st

2017-07-28 10:44:04 3106 3

原创 在神经网络中weight decay、momentum、batch normalization各自意义

一、weight decay(权值衰减)的使用目的是防止过拟合。在损失函数中,weight decay是放在正则项(regularization)前面的一个系数,正则项一般指示模型的复杂度,所以weight decay的作用是调节模型复杂度对损失函数的影响,若weight decay很大,则复杂的模型损失函数的值也就大。二、momentum是梯度下降法中一种常用的加速技术。对于一般的SGD,其

2017-07-26 10:43:07 5035

原创 caffe深度学习调参笔记+caffe训练时的问题+dropout/batch Normalization

一、深度学习中常用的调节参数本节为笔者上课笔记(CDA深度学习实战课程第一期)1、学习率步长的选择:你走的距离长短,越短当然不会错过,但是耗时间。步长的选择比较麻烦。步长越小,越容易得到局部最优化(到了比较大的山谷,就出不去了),而大了会全局最优一般来说,前1000步,很大,0.1;到了后面,迭代次数增高,下降0.01,再多,然后再小一些。 2、

2017-07-20 10:57:36 6514 1

翻译 深度网络中softmax_loss、Smooth L1 loss计算以及反向传播推导

传统欧式距离损失函数如下式所示:                        (f1) 它在 Logistic Regression 里其到的作用是讲线性预测值转化为类别概率:假设 (f2) 是第i 个类别的线性预测结果,带入Softmax 的结果其实就是先对每一个  取 exponential 变成非负,然后除以所有项之和进行归一化,现在每个 (f3)就可以解释

2017-07-20 10:18:34 11518 1

原创 【动态规划】换零钱问题用一维动态规划解决,没有数量限制可以用一维

考虑仅用1分、5分、10分、25分和50分这5种硬币支付某一个给定的金额。例如需要支付11分钱,有一个1分和一个10分、一个1分和两个5分、六个1分和一个5分、十一个1分这4种方式。请写一个程序,计算一个给定的金额有几种支付方式。注:假定支付0元有1种方式。 #include const int N = 10000; long dp[N + 1] = {0};int MO

2017-07-19 15:01:44 981

原创 【动态规划】扔 n 个骰子,向上面的数字之和为 S。给定 Given n,请列出所有可能的 S 值及其相应的概率。

class Solution {public: /** * @param n an integer * @return a list of pair */ vectorint, double>> dicesSum(int n) { // Write your code here vectorint, double>>

2017-07-19 10:57:56 1761 1

原创 动态规划-请编写一个高效算法,判断C串是否由A和B交错组成。

链接:https://www.nowcoder.com/questionTerminal/138f0ae35154438caf3d0072bd6ffef5来源:牛客网对于三个字符串A,B,C。我们称C由A和B交错组成当且仅当C包含且仅包含A,B中所有字符,且对应的顺序不改变。请编写一个高效算法,判断C串是否由A和B交错组成。给定三个字符串A,B和C,及他们的长度。请返回一个bool

2017-07-18 11:00:09 858

原创 英伟达JETSON tk系列开发板设置alsamixer录音教程

对于NVIDIA的arm-v71架构的linux定制系统,若需要录音,应该在terminal中设置声卡参数如下:amixer cset name="Stereo ADC MIXL ADC2 Switch" 0amixer cset name="Stereo ADC MIXR ADC2 Switch" 0amixer cset name="Int Mic Switch" 0amixe

2017-07-13 20:50:08 1212

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

提示
确定要删除当前文章?
取消 删除