![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
deeolearning学习
lyc1635566ty
这个作者很懒,什么都没留下…
展开
-
deeplearn学习笔记1.26
day2 上次小小的复习了线性代数的一些知识,这次准备复习一下概率论的一些知识 1.为什么使用概率 不确定有三种可能的来源: 1.1.被建模系统内在的随机性 1.2.不完全观测 1.3.不完全建模 频率派概率:用频率来反应概率 贝叶斯概率:用概率来表示一种信任度 2.随机变量:是可以随机地取不同值的变量 3.概率分布:用来描述随机变量或者一簇随机变量在每一个可原创 2018-01-26 16:31:24 · 171 阅读 · 0 评论 -
deeplearn学习笔记 cs224n lecture2
WordNet 单词用不相关的符号组成 Word2Vec 概述 L(θ)和J(θ)L(θ)和J(θ)L(\theta) 和 J(\theta)的定义 L(θ)L(θ)L(\theta) likelihood J(θ)J(θ)J(\theta) loss function Center word Context word Prediction func...原创 2018-04-03 18:34:13 · 165 阅读 · 0 评论 -
deeplearn学习笔记 cs224n lecture1
Lecture 1 NLP研究范围、目标、难点、理想状态 NLP Levels Speech-语音留言分析 Text-OCR和分词标注 形态分析 语法分析 语义解释 语话加工 NLP小例子 NLP工业应用 eg.聊天机器人 人类语言的特点 什么是DL 机器学习的一种分支 DL与机器学习的差异 DL历史 DL的发...原创 2018-04-03 18:30:24 · 179 阅读 · 0 评论 -
deeplearn学习笔记 cs224n lecture5
Lecture 5 反向传播 Overview: 1.从一层到多层神经网络 2.全向量梯度计算 3.反向传播算法 为什么要用多层? 神经网络表示更多的特征 能用更好的结果 随机梯度下降 更新公式 如何计算损失函数的梯度 1.手算 2.用反向传播算法 为什么要学习梯度的所有细节? 1.现代的深度学习框架为你计算框架 2.但是为什么要在为您实现编译器或者系统时使用类呢...原创 2018-04-09 19:36:37 · 297 阅读 · 0 评论 -
deeplearn学习笔记 cs224n lecture4
Lecture 4 主要内容 Classification background Updating word vectors for classification Window classification & cross entropy error derivation tips A single layer neural network Max-Margin loss an...原创 2018-04-09 16:10:03 · 291 阅读 · 0 评论 -
deeplearn学习笔记 tensorflow2
tensorflow第二弹 继续学习tensorflow 构建了自己的第一个神经网络,训练函数y=x^2-0.5,并且用图标打印出来,并且可以显示函数训练变化过程 import tensorflow as tf import numpy as np import matplotlib.pyplot as plt def add_layer(inputs, in_size, out_si...原创 2018-03-26 15:14:07 · 212 阅读 · 0 评论 -
deeplearn学习笔记 cs224n lecture3
Lecture 3 随机梯度下降 skip-gram 负采样 word2vec总结 1.游览语料库的每个单词 2.预测每个单词周围的单词 3.同时捕捉一个单词 Window based co-occurrence matrix Problems with simple co-occurrence vectors 解决方案:降低向量维度 svd的问题: 1.对大数据效果很差、2....原创 2018-04-08 17:12:59 · 263 阅读 · 0 评论 -
deeplearn学习笔记 tensorflow
tensorflow初学 鉴于实验室环境以及一些因素,选择安装的tensorflow版本为1.4.1,python版本为3.6(anaconda自带的,要先去下载安装包),然后用pycharm编,这些环境的配置网上都有。机子环境是mac 配置完环境后我首先跑了几个小程序进行测试 第一个是线性拟合的 import tensorflow as tf import numpy as np ...原创 2018-03-16 16:20:17 · 188 阅读 · 0 评论 -
deeplearn学习笔记2.23
过了一个年滑了很久,重新开始把。。 机器学习篇 1.学习算法 1.1.任务:分类、输入缺失值分类、回归、转录、机器翻译、结构化输出、异常检测、合成和采样、缺失值填补、去噪、密度估计或概率质量函数估计。 1.2.性能度量P:准确率和错误率(0-1损失期望) 1.3.经验E:机器学习算法大致可以分为无监督和有监督两类 2.容量、过拟合和欠拟合 ps.奥卡姆剃刀、V...原创 2018-02-23 16:22:28 · 248 阅读 · 0 评论 -
deeplearn学习笔记2.7
day4 简单了解回顾一下机器学习的部分内容 1.机器学习的一些历史和发展 2.几个典型应用 2.1.关联规则 2.2.聚类 2.3.朴素贝叶斯和决策树 2.4.ctr预估和协同过滤 2.5.典型自然语言和图像识别 3.数据分析和机器学习的区别 最大的区别就是数据分析是分析过去的情况,机器学习是预测未来的情况 4.机器学习的常见算法分类 4.1.原创 2018-02-07 19:25:09 · 311 阅读 · 0 评论 -
deeplearn学习笔记1.19,1.20
day1 一。大致看了一些深度学习的概念和应用。虽然不是很清楚。 二。基础的线性代数知识,复习一些。 线性代数概念 1.标量、向量、矩阵、张量 向量: 是一列数,x−1x_{-1}表示xx除了第一个元素外所有的元素构成的向量。 矩阵: Am,nA_{m,n}表示右下角元素,m表示高度,n表示宽度。Ai,:A_{i,:}表示第i行 张量: 超过二维的就叫张量原创 2018-01-20 15:53:14 · 240 阅读 · 0 评论 -
deeplearn学习笔记1.28
day3 今天复习一下数值计算的一些内容 1.上溢和下溢 1.1.上溢:当大量级的数被近似为无穷或负无穷时发生上溢。进一步的运算通常会导致这些无限值变为非数字。 1.2.下溢:当接近零的数被四舍五入为零时发生下溢。许多函数在其参数为零而不是一个很小的正数时才会表现出质的不同。 2.病态条件 条件数指的是函数相对于输入的微小变化而变化的快慢程度。输入被轻微扰动而迅速改变的函数原创 2018-01-28 17:21:14 · 188 阅读 · 0 评论 -
pycharm专业版配置服务器环境并且同步代码
本篇博客讲述了使用pycharm专业版,在本地配置服务器环境。这样子的好处是方便在本地修改代码,并且能享受服务器的环境。 首先,基础工作是拥有现成的服务器环境,如实验室或者公司内的服务器。另外是pycharm专业版(学生可以使用edu邮箱进行注册,比较方便)。 然后开始配置。 1.new一个project 2.配置连接的服务器 tools->Deployment->c...原创 2018-08-16 19:45:02 · 3779 阅读 · 0 评论