audacity-win-2.4.2.exe
Free, open source, cross-platform audio software
Audacity is an easy-to-use, multi-track audio editor and recorder for Windows, macOS, GNU/Linux and other operating systems.
Developed by a group of volunteers as open source.
audacity-macos-2.4.2.dmg
Free, open source, cross-platform audio software
Audacity is an easy-to-use, multi-track audio editor and recorder for Windows, macOS, GNU/Linux and other operating systems.
Developed by a group of volunteers as open source.
OID AT - InfoWeaver User Manual-english.chm
OID AT - InfoWeaver User Manual ENGLISH,松翰公司出品的OID InfoWeaver 英文版使用手册
DeepLearning的深度学习基础
第三章 深度学习基础
3.1 基本概念
3.1.1 神经⽹网络组成? 3.1.2神经⽹网络有哪些常⽤用模型结构? 3.1.3如何选择深度学习开发平台? 3.1.4为什什么使⽤用深层表示? 3.1.5为什什么深层神经⽹网络难以训练? 3.1.6 深度学习和机器器学习有什什么不不同?
3.2 ⽹网络操作与计算 3.2.1前向传播与反向传播? 3.2.2如何计算神经⽹网络的输出? 3.2.3如何计算卷积神经⽹网络输出值? 3.2.4 如何计算 Pooling 层输出值输出值? 3.2.5 实例例理理解反向传播
3.2.6 神经⽹网络更更“深”有什什么意义? 3.3 超参数
3.3.1 什什么是超参数?
3.3.2 如何寻找超参数的最优值? 3.3.3 超参数搜索⼀一般过程?
3.4 激活函数
3.4.1 为什什么需要⾮非线性激活函数?
3.4.2 常⻅见的激活函数及图像
3.4.3 常⻅见激活函数的导数计算?
3.4.4 激活函数有哪些性质?
3.4.5 如何选择激活函数?
3.4.6 使⽤用 ReLu 激活函数的优点?
3.4.7什什么时候可以⽤用线性激活函数?
3.4.8 怎样理理解 Relu(< 0 时)是⾮非线性激活函数?
3.4.9 Softmax 函数如何应⽤用于多分类?
3.4.10 交叉熵代价函数定义及其求导推导。(贡献者:⻩黄钦建-华南理理⼯工⼤大学) 3.4.11 为什什么Tanh收敛速度⽐比Sigmoid快?(贡献者:⻩黄钦建-华南理理⼯工⼤大学)
3.5 Batch_Size
3.5.1 为什什么需要 Batch_Size?
3.5.2 Batch_Size 值的选择
3.5.3 在合理理范围内,增⼤大Batch_Size有何好处?
3.5.4 盲⽬目增⼤大 Batch_Size 有何坏处?
3.5.5 调节 Batch_Size 对训练效果影响到底如何? 3.5.6 受限于客观条件⽆无法给⾜足够的Batch Size怎么办?
3.6 归⼀一化
3.6.1 归⼀一化含义?
3.6.2 为什什么要归⼀一化?
3.6.3 为什什么归⼀一化能提⾼高求解最优解速度?
3.6.4 3D 图解未归⼀一化
3.6.5 归⼀一化有哪些类型?
3.6.6 局部响应归⼀一化作⽤用
3.6.7理理解局部响应归⼀一化公式
3.6.8 什什么是批归⼀一化(Batch Normalization)
3.6.9 批归⼀一化(BN)算法的优点
3.6.10 批归⼀一化(BN)算法流程
3.6.11 批归⼀一化和群组归⼀一化
3.6.12 Weight Normalization和Batch Normalization
3.6.13 Batch Normalization在什什么时候⽤用⽐比较合适?(贡献者:⻩黄钦建-华南理理⼯工⼤大学)
3.7 预训练与微调(fine tuning)
3.7.1 为什什么⽆无监督预训练可以帮助深度学习? 3.7.2 什什么是模型微调fine tuning
3.7.3 微调时候⽹网络参数是否更更新?
3.7.4 fine-tuning 模型的三种状态
3.8 权重偏差初始化
3.8.1 全都初始化为 0
3.8.2 全都初始化为同样的值
3.8.3 初始化为⼩小的随机数
3.8.4 ⽤用 校准⽅方差
3.8.5 稀疏初始化(Sparse Initialazation) 3.8.6 初始化偏差
3.9 Softmax
3.9.1 Softmax 定义及作⽤用 3.9.2 Softmax 推导
3.10 理理解 One Hot Encodeing 原理理及作⽤用? 3.11 常⽤用的优化器器有哪些
3.12 Dropout 系列列问题
3.12.1 为什什么要正则化?
3.12.2 为什什么正则化有利利于预防过拟合? 3.12.3 理理解dropout正则化
3.12.4 dropout率的选择
3.12.5 dropout有什什么缺点?
3.13 深度学习中常⽤用的数据增强⽅方法(Data Augmentation)?(贡献者:⻩黄钦建-华南理理⼯工⼤大学) 3.14 如何理理解 Internal Covariate Shift?(贡献者:⻩黄钦建-华南理理⼯工⼤大学)
3.15 什什么时候⽤用local-conv?什什么时候⽤用全卷积?(贡献者:梁梁志成-魅族科技)
DeepLearning的机器学习基础
第⼆二章 机器器学习基础
2.1 各种常⻅见算法图示
2.2 监督学习、⾮非监督学习、半监督学习、弱监督学习? 2.3 监督学习有哪些步骤
2.4 多实例例学习?
2.5 分类⽹网络和回归的区别?
2.6 什什么是神经⽹网络?
2.7 理理解局部最优与全局最优
2.8 分类算法
2.8.1 常⽤用分类算法的优缺点?
2.8.2 正确率能很好的评估分类算法吗? 2.8.3 分类算法的评估⽅方法?
2.8.4 什什么样的分类器器是最好的?
2.9 逻辑回归
2.9.1 理理解逻辑回归
2.9.2 逻辑回归与朴素⻉贝叶斯有什什么区别? 2.9.3线性回归与逻辑回归的区别?(贡献者:⻩黄钦建-华南理理⼯工⼤大学)
2.10 代价函数
2.10.1 为什什么需要代价函数?
2.10.2 代价函数作⽤用原理理
2.10.3 为什什么代价函数要⾮非负?
2.10.4 常⻅见代价函数?
2.10.5 为什什么⽤用交叉熵代替⼆二次代价函数
2.11 损失函数
2.11.1 什什么是损失函数?
2.11.2 常⻅见的损失函数
2.11.3 逻辑回归为什什么使⽤用对数损失函数? 2.11.4 对数损失函数是如何度量量损失的?
2.12 梯度下降
2.12.1 机器器学习中为什什么需要梯度下降? 2.12.2 梯度下降法缺点?
2.12.3 梯度下降法直观理理解?
2.12.4 梯度下降法算法描述?
2.12.5 如何对梯度下降法进⾏行行调优? 2.12.7 随机梯度和批量量梯度区别? 2.12.8 各种梯度下降法性能⽐比较
2.13 计算图的导数计算图解? 2.14 线性判别分析(LDA)
2.14.1 线性判别分析(LDA)思想总结 2.14.2 图解LDA核⼼心思想
2.14.3 ⼆二类LDA算法原理理?
2.14.4 LDA算法流程总结?
2.14.5 LDA和PCA区别?
2.14.6 LDA优缺点? 2.15 主成分分析(PCA)
2.15.1 主成分分析(PCA)思想总结 2.15.2 图解PCA核⼼心思想
2.15.3 PCA算法推理理
2.15.4 PCA算法流程总结 2.15.5 PCA算法主要优缺点 2.15.6 降维的必要性及⽬目的 2.15.7 KPCA与PCA的区别?
2.16 模型评估
2.16.1 模型评估常⽤用⽅方法?
2.16.2 机器器学习中的Bias,Error和Variance有什什么区别和联系? 2.16.3 经验误差与泛化误差
2.16.4 图解⽋欠拟合、过拟合
2.16.5 如何解决过拟合与⽋欠拟合?
2.16.6 交叉验证的主要作⽤用?
2.16.7 k折交叉验证?
2.16.8 混淆矩阵
2.16.9 错误率及精度
2.16.10 查准率与查全率
2.16.11 ROC与AUC
2.16.12 如何画ROC曲线?
2.16.13 如何计算TPR,FPR?
2.16.14 如何计算Auc?
2.16.15 为什什么使⽤用Roc和Auc评价分类器器?
2.16.17 直观理理解AUC
2.16.18 代价敏敏感错误率与代价曲线
2.16.19 模型有哪些⽐比较检验⽅方法
2.16.20 偏差与⽅方差
2.16.21为什什么使⽤用标准差?
2.16.22点估计思想
2.16.23 点估计优良性原则?
2.16.24 点估计、区间估计、中⼼心极限定理理之间的联系?
2.16.25 类别不不平衡产⽣生原因?
2.16.26 常⻅见的类别不不平衡问题解决⽅方法
2.17 决策树
2.17.1 决策树的基本原理理 2.17.2 决策树的三要素? 2.17.3 决策树学习基本算法 2.17.4 决策树算法优缺点 2.17.5熵的概念以及理理解
2.17.6 信息增益的理理解
2.17.7 剪枝处理理的作⽤用及策略略?
2.18 ⽀支持向量量机
2.18.1 什什么是⽀支持向量量机 2.18.2 ⽀支持向量量机解决的问题? 2.18.3 核函数作⽤用?
2.18.4 对偶问题
2.18.5 理理解⽀支持向量量回归 2.18.6 理理解SVM(核函数) 2.18.7 常⻅见的核函数有哪些? 2.18.8 软间隔与正则化
2.18.9 SVM主要特点及缺点?
2.19 ⻉贝叶斯
2.19.1 图解极⼤大似然估计
2.19.2 朴素⻉贝叶斯分类器器和⼀一般的⻉贝叶斯分类器器有什什么区别? 2.19.3 朴素与半朴素⻉贝叶斯分类器器
2.19.4 ⻉贝叶斯⽹网三种典型结构
2.19.5 什什么是⻉贝叶斯错误率
2.19.6 什什么是⻉贝叶斯最优错误率
2.20 EM算法解决问题及实现流程 2.21 降维和聚类
2.21.1 为什什么会产⽣生维数灾难? 2.21.2 怎样避免维数灾难
2.21.3 聚类和降维有什什么区别与联系? 2.21.4 四种聚类⽅方法之⽐比较
2.21.5 SOM聚类算法
2.21.6 FCM聚类算法
2.22 GBDT和随机森林林的区别
2.23 ⼤大数据与深度学习之间的关系
DeepLearning的数学基础
第⼀一章 数学基础
1.1 标量量、向量量、矩阵、张量量之间的联系 1.2 张量量与矩阵的区别?
1.3 矩阵和向量量相乘结果
1.4 向量量和矩阵的范数归纳
1.5 如何判断⼀一个矩阵为正定? 1.6 导数偏导计算
1.7 导数和偏导数有什什么区别? 1.8 特征值分解与特征向量量
1.9 奇异值与特征值有什什么关系?
1.10 机器器学习为什什么要使⽤用概率?
1.11 变量量与随机变量量有什什么区别?
1.12 常⻅见概率分布
1.13 举例例理理解条件概率
1.14 联合概率与边缘概率联系区别? 1.15 条件概率的链式法则
1.16 独⽴立性和条件独⽴立性
1.17 期望、⽅方差、协⽅方差、相关系数总结
蚂蚁金服异地多活的微服务体系
蚂蚁金服异地多活的微服务体系--从挖光缆到剪网线。
蚂蚁金服(当时还是支付宝)从 2013 年起就运行在单元化架构上,除了具备异地容灾能力外,还能做到异地多活,可随时在多城市、多数据中心调配流量。基于单元流量调配机制,可实现大规模集群的蓝绿发布、灰度仿真环境,为充分验证业务正确性、降低故障提供了基础条件。相应地,微服务体系也必须具备单元内收敛、单元间可控路由等能力,来支撑单元化技术架构的落地。本文根据玄霄 2018 年上海 QCon 演讲内容整理。