upupnoel-CSDN博客

原创 Learning IPython

摘抄自《Learning IPython for Interactive Computing and Data Visualization》，内容：基本的ipython用法、命令等。Chapter 01 Getting startedIPython十大精髓 - P.13在ipython console中可以直接输命令和正常的python解析器一样。同时还支持常用的li...

2018-02-27 15:42:02 199

原创论文阅读《2018.2-Do deep nets really need weight decay and dropout》

主要观点：显式的正则化（e.g. weight decay and dropout etc.，隐式的正则化：SGD，卷积，BN etc.）并非是必须的，当有足够的data augmentation (da) 时。这篇文章开头说，《rethinking generalization》这篇文章中给出启示，正则化既不是泛化的必要条件，也不是充分条件。explicit reg常见的有wd，dp...

2018-02-21 15:59:08 397

原创 ED and SVD

矩阵的ED与SVD的意义：ED矩阵的本质是线性变换，矩阵乘以一个向量无非就是把这个向量的方向和长度变一变。可是到底是往哪个方向变化、长度缩放的比例到底是多少呢？把矩阵进行ED可以得到它的特征向量和特征值。在特征向量的方向上进行线性变换就是乘以相应的特征值，这是非常好的性质。于是可以先把这个向量变化到特征向量组成的空间里（即特征空间），然后只要进行数乘即可。ED的前提是这个矩阵是方阵且

2017-04-03 20:05:48 609

visual domain可能会随着物体的位置、姿态、光照、类间的差异（不同的苹果），甚至于拍摄的设备（商用还是个人的摄像机）而产生变化。所以domain adaptation的目的就是想消除这些无关变化因素的影响，希望在一种domain中学到的东西能用到另一个domain中，所以也是一种transfer learning。Berkeley的一个项目：https://people.eecs.berk

2016-08-01 20:18:40 521

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

upup_noel的专栏

原创 Learning IPython

原创论文阅读《2018.2-Do deep nets really need weight decay and dropout》

原创 ED and SVD

原创 Domain Adaptation

空空如也

空空如也

原创 Learning IPython

原创 论文阅读《2018.2-Do deep nets really need weight decay and dropout》

原创 ED and SVD

原创 Domain Adaptation

空空如也

空空如也

原创论文阅读《2018.2-Do deep nets really need weight decay and dropout》