發(fā)簡信
IP屬地：北京
-
理解Batch Normalization系列4——實(shí)踐（清晰解釋）前面三期都是在學(xué)習(xí)和理解，如果熟悉了頭兩期穷当，這一期的實(shí)踐將變得異常簡單获洲！ 本期的代碼地址：https://github.com/leichaoc...
-
理解Batch Normalization系列3——為什么有效及11個(gè)問題（清晰解釋）前面兩期阱表，我們了解了原理、訓(xùn)練及評估贡珊，然而為什么有效及若干細(xì)節(jié)仍值得討論捶枢。 系列目錄 理解Batch Normalization系列1——原理 ...
-
理解Batch Normalization系列2——訓(xùn)練及評估（清晰解釋）上一期介紹了Batch Normalization的前向傳播，然而想法美好飞崖，然而能否計(jì)算烂叔、如何計(jì)算這些新參數(shù)才是重點(diǎn)。 系列目錄 理解Batch...
-
理解Batch Normalization系列1——原理（清晰解釋）Batch Normalization技巧自從2015年被谷歌提出以來固歪，因其有效提升網(wǎng)絡(luò)訓(xùn)練效率蒜鸡，獲得廣泛應(yīng)用與持續(xù)研究。然而牢裳，要透徹理解BN卻...
-
數(shù)據(jù)算法工程師常犯的六個(gè)錯(cuò)誤盡管我們對經(jīng)典理論教材能做到人手一冊逢防，如數(shù)家珍，但是在實(shí)際應(yīng)用中蒲讯，一方面忘朝，我們常常會(huì)疏忽掉理論，甚至是理論常識判帮；另一方面局嘁，不考慮實(shí)際情況溉箕，首先上...
-
圖表示學(xué)習(xí)入門3——圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Networks）圖神經(jīng)網(wǎng)絡(luò)（Graph Neural Network）在社交網(wǎng)絡(luò)、推薦系統(tǒng)悦昵、知識圖譜上的效果初見端倪肴茄，成為近2年大熱的一個(gè)研究熱點(diǎn)。然而但指，什么是...
-
圖表示學(xué)習(xí)入門2——Node2Vec《圖表示學(xué)習(xí)入門1》中寡痰，討論了為什么要進(jìn)行圖（graph）表示，以及兩種解決圖表示問題的思路棋凳。這篇把Node2Vec來作為線性化思路的一個(gè)典型來...
-
圖表示學(xué)習(xí)入門1——導(dǎo)言Jure Leskovec的《Graph Representation Learning》可能是迄今（2019年10月）為止最容易理解的圖神經(jīng)網(wǎng)...