發(fā)簡(jiǎn)信
IP屬地：芒斯特
-
Variational inference小結(jié)（自用版）
推斷是數(shù)學(xué)領(lǐng)域一個(gè)非常重要的概念务嫡。簡(jiǎn)單來說, Inference指的是根據(jù)已經(jīng)有的有限的知識(shí)铅碍，去推測(cè)未知的知識(shí)售貌。而使用貝葉斯概率論的方法進(jìn)行推斷...
-
VAE教程好久沒看的VAE又不太記得了舷手，重新梳理一下思路，在S同學(xué)的指導(dǎo)下嗡综，又有了一些新的理解犀勒。之前寫過一篇關(guān)于VAE的入門教程，但是感覺還不夠簡(jiǎn)練会油，刪掉...
-
DQN入坑教程最近在自學(xué)DQN个粱，主要參考了Pytorch 上的這個(gè)DQN教程[https://pytorch.org/tutorials/intermedia...
-
slurm 的使用教程
最近因?yàn)樯险n的原因，頻繁的使用到了slurm腳本翻翩，所以在這邊簡(jiǎn)單記錄一下 基本概念：什么是slurm腳本都许？ Slurm呢是一種腳本語(yǔ)言，它的詳細(xì)...
-
MCMC的Metropolis-hastings 算法python實(shí)現(xiàn)本文重點(diǎn)介紹貝葉斯推斷中的MCMC方法嫂冻，這是眾多方法中的一個(gè)胶征，具體的分類可以看圖〗胺拢基于估計(jì)的呢睛低，是點(diǎn)估計(jì)，求出目標(biāo)分布的極值服傍。這里呢多說一句钱雷，貝...
-
使用pymc3進(jìn)行貝葉斯推斷的簡(jiǎn)單示例本文是學(xué)習(xí)《貝葉斯方法 概率編程與貝葉斯推斷》重點(diǎn)參考了這個(gè)教程[https://docs.pymc.io/en/v3/pymc-example...
-
馬爾科夫隨機(jī)場(chǎng) Markov Random Field 一個(gè)簡(jiǎn)單的例子
This is a toy example Markov Random Field In this example. we are modeli...
-
spark 和 pyspark的理解最近學(xué)習(xí)了spark 相關(guān)的內(nèi)容，寫個(gè)筆記記錄一下自己目前對(duì)于spark的理解吹零，方便以后查閱罩抗。在本文的寫作過程中，主要參考了1.寬依賴與窄依賴的...
-
使用Logstash將數(shù)據(jù)庫(kù)導(dǎo)入Elastic Search
唉灿椅，生活所迫生活所迫套蒂，我又搞這些雜七雜八的啦，不記錄一下也白瞎啦茫蛹。這篇主要講怎么把數(shù)據(jù)庫(kù)里的數(shù)據(jù)直接導(dǎo)入到elastic search操刀。參考的比...