I am what i am

——论文地址：Understanding deep learning requires rethinking generalization1、有关新闻1.1 新闻一：参考1：机器之心尽管深度人工神经网络规模庞大，但它们的训练表现和测试表现之间可以表现出非常小的差异。传统的思考是将小的泛化误差要么归结为模型族的特性，要么就认为与训练过程中的正则化技术有关。通过广泛的系统性实验，我们表明这些传统的方法并

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。Creating Estimators in tf.contrib.learn——tf.contrib.learn框架，通过其高级别的EstimatorAPI，使得构建和训练机器学习模型变得容易。Estimator提供了类，你可以快速的实例化并安装普通的模型类别，如回归器和分类器：LinearClassifier：构建了一个

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlow Serving——这一部分最后再来看。先放着。1、介绍tensorflow服务器对于机器学习模型来说，是一个灵活的、高效能的服务系统，用来设计生产环境。tensorflow服务器保证相同的服务器架构和API，使得开发新的算法和实验变得容易。2、Basic Serving Tutorialbasic tut

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。Convolutional Neural Networks1、Overview1.1 Goals1.2 Highlights of the Tutorial1.3 Model Architecture2、Code Organization3、CIFAR-10 Model3.1 Model Inputs3.2 Model Pre

原文地址：GANs翻译地址：生成对抗网络此文是对论文Generative Adversarial Nets读后的一个总结。参考博客1：地址 参考博客2：地址 参考新闻3：地址 参考Twitter4：地址1、简单总结GAN是一个极大极小博弈问题，网络中分为两个模型，一个生成模型G，作为生成器，用来生成与真实数据x极为相似的含有噪音z的数据；一个判别模型D，作为判别器，用来判别数据中哪些是真实数据

首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址 2、参考博客2：地址——以下，开始正文。1、GAN的简单总结见上一篇博客。2、利用GAN生成1维正态分布首先，我们创建“真实”数据分布，一个简单的高斯分布，均值为4，标准差为0.5,。还有一个样本函数，返回分布中给定数量的样本（按值排序过）。class DataDistribution(object): def __init__(

转自公众号：新智元机器学习著名研究者 Pedro Domingos 教授写了篇文章《机器学习那些事》（A Few Useful Things to Know about Machine Learning）。这是一篇极好的文章，首先作者是在机器学习方面有着深厚功底、非常擅长教人的老师，其次内容丰富全面，更何况他只用了 9 页纸就写完了。对于学术研习来说，9 页纸算轻松读物，但用其他标准就难说了。因此，

部分转自知乎 部分转自AI人工智能专业词汇集 部分转自百度文库 可参考链接：机器之心otheractivation 激活值 activation function 激活函数 additive noise 加性噪声 autoencoder 自编码器 Auto

Large-scale Video Classification with Convolutional Neural Networks原文地址粗略翻译摘要：卷积神经网络（CNN）是图像识别问题上一个非常强大的模型。受到这些结果的鼓舞，我们在大范围的视频分类中提供了广泛的实例评估，我们使用的数据集是100万个、属于487的类别的YouTube视频。为了利用局部时空信息，我们学习了多种方法来扩展CNN在

首先是各种参考博客、链接等，表示感谢。1、参考博客1：地址——以下，开始正文。2017/12/12 更新 解决训练不收敛的问题。更新在最后面部分。1、DCGAN的简单总结稳定的深度卷积GAN 架构指南:所有的pooling层使用步幅卷积(判别网络)和微步幅度卷积(生成网络)进行替换。在生成网络和判别网络上使用批处理规范化。对于更深的架构移除全连接隐藏层。在生成网络的所有层上使用RelU激活函

sklearn是python的一个模块，用于机器学习方面。train_test_split是划分数据集的一个函数。1、函数原型1.1 参数：def train_test_split(*arrays, **options): """ Parameters ---------- *arrays : sequence of indexables with same lengt

以前有学过linear classification、linear regression和logistics regression，这次做一下总结，并主要推导一下交叉熵损失函数的由来和梯度下降法。一、概述开头先祭出林轩田老师讲义中的一张图PLA、Linear Regression到logistics regression的区别。误差函数由0/1误差演变为均方误差到交叉熵...

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。Building Input Functions with tf.contrib.learn——这个教程向你介绍如何在tf.contrib.learn创建输入函数。你可以获得一个如果构造input_fn的综述来对你的模型预处理和喂进数据。接着，接着你可以实现一个input_fn，它可以在神经网络回归量提供训练、验证和预测数据，

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。Logging and Monitoring Basics with tf.contrib.learn——当训练一个模型时，实时地跟踪和验证处理过程是很有价值的。在本教程中，你将学习如何使用tensorflow的日志功能和监督API，来审计一个关于鸢尾花分类的神经网络分类器的训练过程。这个教程的代码依赖于tf.contrib.

1、阅读论文：Goodfellow I J, Pouget-Abadie J, Mirza M, et al. Generative adversarial nets[C]// International Conference on Neural Information Processing Systems. MIT Press, 2014:2672-2680.论文地址：GANs2、翻译论文摘要我们

论文原文：地址论文译文：地址1、阅读论文Radford A, Metz L, Chintala S. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks[J]. Computer Science, 2015.2、翻译论文摘要近年来，使用卷积神经网络的监督学习被大量应用

原文教程：tensorflow官方教程 翻译教程：极客学院记录关键内容与学习感受。未完待续。1、使用Python API编写的tensorflow代码生成二维数据，并且拟合成一条直线import tensorflow as tfimport numpy as np#Create 100 phony x,y data point in Numpy, y=x*0.1+0.3x_data = np.

原文教程：tensorflow官方教程 翻译教程：极客学院记录关键内容与学习感受。未完待续。一、基本的神经网络—–第一个tensorflow教程指导你通过训练和测试一个简单的神经网络，来从数字图像的MNIST数据集中分类手写数字。1、面向机器初学者的MNIST教程（MNIST For ML Beginners）—–第一次学习机器学习的人建议从这个教程看起。你将学到一个分类问题，手写数字分类，并且获

原文教程：tensorflow官方教程 翻译教程：极客学院记录关键内容与学习感受。未完待续。。面向机器初学者的MNIST教程（MNIST For ML Beginners）—–适用于对机器学习和tensorflow初学者。而这里MNIST就好比学语言时候的打印hello world。 —–MNIST是一个简单的计算机视觉数据集，它包括各种手写数字的图像，比如： —–它也包含每张图像对应的标

原文教程：tensorflow官方教程 翻译教程：极客学院记录关键内容与学习感受。未完待续。。面向机器专家的深度MNIST教程（Deep MNIST for Experts）—–tensorflow是一个很强大的库，可以做大型数值运算。其中它最擅长的任务之一就是实现并训练深度神经网络。在这个教程中，我们将学习构建tensorflow模型的基本步骤，然后构建一个深度卷积MNIST分类器。—–这个教程

原文教程：tensorflow官方教程 翻译教程：极客学院记录关键内容与学习感受。未完待续。。TensorFlow Mechanics 101基本运作方式代码：tensorflow/examples/tutorials/mnist/——本教程的目标是展示如何使用tensorflow，利用MNIST数据集，训练和评估一个可以识别手写数字的简单的前馈神经网络。因此受众是对机器学习有经验并且对tenso

原文教程：tensorflow官方教程 翻译教程：极客学院记录关键内容与学习感受。未完待续。。tf.contrib.learn 快速介绍——tf.contrib.learn是tensorflow高级别的机器学习API，它可以很轻松安装、训练、验证多种类的机器学习模型。在本教程中，你可以使用它来构建一个神经网络分类器并且利用Iris CSV数据训练，基于花萼、花瓣的几何形状来预测花的种类。——你可以

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。Large-scale Linear Models with TensorFlow——tensorflow中，tf.learn API提供了大量可供线性模型工作的工具。这篇文档提供了关于这些工具的综述，它解释了：什么是线性模型为什么使用线性模型tf.learn如何帮助构建线性模型如何结合tf.learn和深度学习的线性

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlow Linear Model Tutorial——在本教程中，我们将使用tensorflow中tf.learnAPI来解决一个二元分类的问题：对于给定的人口普查数据，例如一个人的年龄、性别、教育、职业（特征），我们要试图预测出一个人一年是否能赚超过50000美元（目标标签），我们将训练一个逻辑回归模型，并且给

原文教程：tensorflow官方教程记录关键内容与学习感受。未完待续。。TensorFlow Wide & Deep Learning Tutorial——在前面的教程TensorFlow Linear Model Tutorial中，我们训练了一个逻辑回归模型，使用Census Income Dataset来预测个人年收入是否超过50000美元可能性。tensorflow对于训练深度神经网络也

主要说明SVM是干什么用的，怎么来的，如何推导公式。 (其中有些公式没有严格打出来，比如矩阵W的转置，大家意会即可)。一、SVM怎么来的1、介绍PLAPLA是perceptron learning algorithm，主要处理线性可分的数据。比如二分类，pla做的就是找到空间中的一条线或超平面，能够将所有点正确分类。用权重w表示这个线或超平面。即sign(wx)=y过程是：首先给出初始化权重。