發(fā)簡(jiǎn)信
IP屬地：廣東
-
幾行Java代碼實(shí)現(xiàn)一個(gè)壓測(cè)工具
還在用第三方壓測(cè)嗎，幾行Java代碼就能實(shí)現(xiàn)一個(gè)壓測(cè)工具丰介。 很簡(jiǎn)單背蟆，就是使用CountDownLatch控制線程同時(shí)執(zhí)行鉴分，直接上代碼：
-
第九章 機(jī)器學(xué)習(xí)（ML）策略（2）1.進(jìn)行誤差分析 如果希望算法能勝任人類能做的任務(wù)，但算法還沒(méi)達(dá)到人類的水平带膀，那么可以人工檢查下算法犯的錯(cuò)誤志珍，也許這樣就可以知道下一步該做什么，...
-
第八章 機(jī)器學(xué)習(xí)（ML）策略（1）1.為什么要ML策略 假設(shè)正在調(diào)試貓分類器垛叨，經(jīng)過(guò)一段時(shí)間的調(diào)整達(dá)到了90%準(zhǔn)確率伦糯，但是仍然不夠理想，需要改善嗽元。改善方法比如： 去收集更多的訓(xùn)練數(shù)...
-
第七章 超參數(shù)調(diào)試敛纲、Batch 正則化和程序框架1.調(diào)試處理 神經(jīng)網(wǎng)絡(luò)會(huì)涉及很多不同超參數(shù)的設(shè)置，超參數(shù)調(diào)試過(guò)程有一些技巧剂癌。 如圖7.1淤翔，超參數(shù)有學(xué)習(xí)率α、momentum的β佩谷、Adam的ε旁壮、...
-
第六章 優(yōu)化算法1.Mini-batch梯度下降法 機(jī)器學(xué)習(xí)的應(yīng)用是高度依賴經(jīng)驗(yàn)的過(guò)程，伴隨著大量迭代的過(guò)程谐檀，你需要訓(xùn)練諸多模型抡谐，才能找到合適的那一個(gè)。優(yōu)化算法...
-
第五章 深度學(xué)習(xí)實(shí)用層面1.訓(xùn)練/開(kāi)發(fā)/測(cè)試集 前面介紹了如何構(gòu)建神經(jīng)網(wǎng)絡(luò)桐猬，接下來(lái)介紹如何有效運(yùn)作神經(jīng)網(wǎng)絡(luò)麦撵，涉及到參數(shù)調(diào)優(yōu)、如何構(gòu)建數(shù)據(jù)溃肪、優(yōu)化算法快速運(yùn)行從而使學(xué)習(xí)算法...
-
第四章 深層神經(jīng)網(wǎng)絡(luò)1.深層神經(jīng)網(wǎng)絡(luò) 到目前為止我們熟悉了logistic回歸免胃、單隱藏層神經(jīng)網(wǎng)絡(luò)、前向和后向傳播乍惊、向量化以及為什么隨機(jī)初始化比較重要《沤眨現(xiàn)在要把這些理...
-
第三章 淺層神經(jīng)網(wǎng)絡(luò)1.神經(jīng)網(wǎng)絡(luò)概覽 如圖3.1，logistic回歸模型的流程就是润绎，輸入特征x、參數(shù)w和參數(shù)b诞挨，然后算出z莉撇，再使用sigmoid函數(shù)算出a即是 ，...
-
第二章 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)1.二分分類 如圖2.1就是一個(gè)二分分類問(wèn)題的例子惶傻，識(shí)別此圖并輸出標(biāo)簽棍郎，如果是貓輸出1，否則輸出0银室，我們用y表示輸出標(biāo)簽涂佃。 2.圖片表示 計(jì)算機(jī)...