- 博客(10)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 非洲三万里
世界杯仍在如火如荼进行着，结束了小组赛，接下来是更加激烈和紧张的淘汰赛。非常遗憾的是，本届世界杯非洲兄弟球队全部淘汰出局。每届世界杯，收获最大的不是懂得了多少足球，而是长进了一些地理知识，认识了一些新的国家。比如今年世界杯入围的五支非洲球队：尼日利亚、埃及、塞内加尔、摩洛哥和突尼斯。尼日利亚因为多次入围，算是熟悉，埃及因为是文明古国，自然不陌生，其它的呢？恕我地理知识匮乏，摩洛哥和摩纳哥傻傻的分不...
2018-06-30 20:16:39
1838
原创 [序列模型] Natural Language Processing & Word Embeddings习题解析
世界杯正在如火如荼的进行着，但学习也不能落下。这是课程[序列模型]第二周的练习题，一共10道。解答：通常词语向量的维度小于词汇表的大小，绝大部分词语向量的大小在50～400,所以答案是False。解答：t_SNE是一种非线性的降维算法，所以答案是选项2。解答：这就是所谓的转移学习，具有很强的泛化能力，所以答案是True。解答：男和女对应兄...
2018-06-26 13:44:28
1487
原创 如果你不肯向这个世界投降
林中岔路象极了人生路，有些人会站在路口踌躇一阵，但也立刻要作出舍一就一的选择，不论这一选择是对，是错，而一旦择定，一方面会怀着对未选择的路的深深眷恋，另一方面又只能在自己选择的路上坚定地走下去。谈到鸡汤文，《读者》（更早的时候叫读者文摘）可以算作是这一行的鼻祖了。还记得中学和大学时代，读到《读者》上精选文章时温暖的感觉，那时还没有心灵鸡汤这一说法，只觉得读那些精美的文章是一种享受。...
2018-06-25 10:08:55
481
1
原创 [序列模型] Recurrent Neural Networks习题解析
又到了要命的世界杯期间，作为一名伪球迷，虽然不会熬夜看球，但对于正常时间场次的球赛还是会观看。开赛以来，每天都观看晚八点场，结果原计划的学习任务就悲剧了。望着即将到期的coursera帐号（coursera按月订阅），为了避免经济上的损失，不得不挣扎着继续学习了一周的课程。偏偏这周的循环神经网络又是如此难以理解，这次测试提交了好几次才得以通过。这是课程[序列模型]第一周的练习题，一共1...
2018-06-21 14:55:04
1546
原创 一步步构建卷积模型
注：这篇文章的内容来自课程[Convolutional Neural Networks]的编程练习: Convolutional Model: step by step。虽然诸如TensorFlow之类的框架已经有高度集成的卷积神经网络模块，但是一步步构建卷积模型对深入理解卷积神经网络还是有帮助的。在这个编程练习中，我们将使用numpy实现卷积(CONV)层和池化(POOL)层。本...
2018-06-12 22:06:17
1610
原创 启用Docker虚拟机GPU，加速深度学习
关于环境配置的文章可以算得上是月经贴了，随便上网一搜，就有大把的文章。但我觉得还是有必要记录一下我最近一次的深度学习环境配置，主要原因在于各种软件在快速更新，对应的安装配置方法也会有一些变化。这篇深度学习环境配置有两个关键词，一个是Docker虚拟机，另一个是GPU加速。开始之前Docker虚拟机首先说一下Docker虚拟机。为什么需要虚拟机？不知道你是否有过这样的...
2018-06-09 15:21:29
12415
9
原创 TensorFlow基础入门
注：这篇文章的内容来自课程[Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization]的编程练习。coursera上的编程练习设计得非常贴心，一步步引导学员完成练习，对于编程基础薄弱的同学尤为友好。到目前为止，您一直使用numpy来构建神经网络。现在我们将引导您使用一个深...
2018-06-07 20:30:24
721
原创 [改善深度神经网络] Hyperparameter tuning, Batch Normalization, Programming Frameworks习题解
这是[改善深度神经网络]课程第三周的习题，一共10道。解答：这个在课程的开始就讲到了，应该随机选取超参数的值。答案是False解答：超参数的重要程度并不相同，比如学习率通常具有较高的重要程度。所以答案是False解答：同时训练多个模型需要更高的算力，否则还是调优一个模型。答案选项3解答：beta的选择最好是非线性，可以排除1和2，选项3如...
2018-06-04 22:01:06
659
原创 [改善深度神经网络] Optimization algorithms习题解析
这是[改善深度神经网络]课程第二周的习题，一共10道。解答：[l]表示第l层，{l}表示第l个minibatch，(l)表示第l个样本。答案选项3解答：选项1是肯定的，一个mini-batch的数据小于总样本，所以仅就一次迭代而言，mini-batch是快于整批迭代的。一个epoch的mini-batch梯度递减迭代无法完全向量化所有样本，存在for循环，所以速度慢...
2018-06-04 21:58:14
1892
2
原创 [改善深度神经网络] Practical aspects of deep learning习题解析
这是[改善深度神经网络]课程第一周的习题，一共10道。解答：对于普通规模的机器学习，train/dev/test数据集的划分比例通常为60/20/20，但对于大规模的数据另当别论，本题有一百万数据样本，测试数据集只需一万就足够了，所以划分比例为98/1/1，答案选项2。解答：dev和test数据集应该具有相同的分布，答案是选项1。解答：避免过拟合的方法是正则化、...
2018-06-04 20:26:44
1071
Blink in JavaScript
2019-01-10
blink oilpan项目设计文档
2015-11-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人