
1 調(diào)優(yōu)層次 性能調(diào)優(yōu)包含多個(gè)層次晶框,比如:架構(gòu)調(diào)優(yōu)蜕径、代碼調(diào)優(yōu)析桥、JVM調(diào)優(yōu)司草、數(shù)據(jù)庫(kù)調(diào)優(yōu)、操作系統(tǒng)調(diào)優(yōu)等泡仗。架構(gòu)調(diào)優(yōu)和代碼調(diào)優(yōu)是JVM調(diào)優(yōu)的基礎(chǔ)埋虹,其中架構(gòu)調(diào)優(yōu)是對(duì)系統(tǒng)影響最大的。 ...
假定你已經(jīng)了解了運(yùn)行時(shí)的數(shù)據(jù)區(qū)域和常用的垃圾回收算法,也了解了Hotspot支持的垃圾回收器峦树。 一辣辫、cpu占用過(guò)高 cpu占用過(guò)高要分情況討論,是不是業(yè)務(wù)上在搞活動(dòng)魁巩,突然有大...
Zen君的配置是macbook pro,升級(jí)到Mac Serria安裝不了qt谷遂,無(wú)法顯示圖片葬馋,好在發(fā)現(xiàn)了pytorch,正好Zen君以前也玩過(guò)python的,所以非常激動(dòng)畴嘶。這...
本文章僅作為個(gè)人筆記 k8s官方安裝文檔 關(guān)閉selinux swap 防火墻等蛋逾,不安全,有自我見(jiàn)解者可略過(guò) setenforce 0 sed -i 's/^SELINU...
譯自原文:Understanding LSTM Networks 循環(huán)神經(jīng)網(wǎng)絡(luò) 人類(lèi)針對(duì)每個(gè)問(wèn)題的思考窗悯,一般不會(huì)是完全的從頭開(kāi)始思考区匣。正如當(dāng)你閱讀這篇譯文的時(shí)候,你會(huì)根據(jù)已經(jīng)...
什么是GAN 生成式對(duì)抗網(wǎng)絡(luò)(GAN[https://baike.baidu.com/item/GAN/22181905], Generative Adversarial N...
1. 環(huán)境準(zhǔn)備 Centos7.4主機(jī)兩臺(tái): 192.168.1.200 --controller節(jié)點(diǎn)192.168.1.201 --compute節(jié)點(diǎn) 2. O...
一姑丑、 RNN 的關(guān)鍵點(diǎn)之一就是他們可以用來(lái)連接先前的信息到當(dāng)前的任務(wù)上,例如使用過(guò)去的視頻段來(lái)推測(cè)對(duì)當(dāng)前段的理解辞友。如果 RNN 可以做到這個(gè)栅哀,他們就變得非常有用。但是真的可以...
來(lái)寫(xiě)一個(gè)softmax求導(dǎo)的推導(dǎo)過(guò)程踏枣,不僅可以給自己理清思路昌屉,還可以造福大眾钙蒙,豈不美哉~softmax經(jīng)常被添加在分類(lèi)任務(wù)的神經(jīng)網(wǎng)絡(luò)中的輸出層茵瀑,神經(jīng)網(wǎng)絡(luò)的反向傳播中關(guān)鍵的步驟...
情有獨(dú)鐘的“熵+” 張首晟說(shuō),對(duì)信息的認(rèn)識(shí)躬厌,正是人類(lèi)對(duì)大自然最重要的認(rèn)識(shí)马昨。 而在他看來(lái),這個(gè)描寫(xiě)和衡量了信息的公式扛施,正是熵的公式:S=-p log p鸿捧。這個(gè)公式并不如E=mc...
https://blog.csdn.net/qq_16633405/article/details/61200502http://blog.itpub.net/1219976...
轉(zhuǎn)載自:http://www.zilhua.com/629.html 1. 隨機(jī)森林使用背景 1.1 隨機(jī)森林定義 隨機(jī)森林是一種比較新的機(jī)器學(xué)習(xí)模型匙奴。經(jīng)典的機(jī)器學(xué)習(xí)模型是神...
本章涉及到的知識(shí)點(diǎn)清單:1、矩陣的特征向量和特征值2妄荔、如何求解矩陣的特征向量和特征值3泼菌、方差、協(xié)方差和散度矩陣4啦租、PCA的算法步驟5哗伯、將原始數(shù)據(jù)變?yōu)榈途S數(shù)據(jù)6、將低維數(shù)據(jù)還原...
之前講解的線(xiàn)性回歸和邏輯回歸的原理中篷角,不免會(huì)引入大量的數(shù)學(xué)推導(dǎo)和證明過(guò)程焊刹,從預(yù)測(cè)函數(shù)的建立,到損失函數(shù)的偏導(dǎo)數(shù)求解,不免要求讀者有扎實(shí)的高等數(shù)學(xué)功底和線(xiàn)性代數(shù)功底虐块,那么機(jī)器學(xué)...
本章涉及到的知識(shí)點(diǎn)清單:1俩滥、集成學(xué)習(xí)2、bagging模式3贺奠、隨機(jī)森林的思想4举农、CART算法5、分類(lèi)樹(shù)6敞嗡、回歸樹(shù)7颁糟、數(shù)據(jù)樣本和feature的隨機(jī)采樣8、決策樹(shù)節(jié)點(diǎn)的完全二分...
本章涉及到的知識(shí)點(diǎn)清單:1喉悴、函數(shù)的近似表示—高次多項(xiàng)式2棱貌、誤差函數(shù)—最小二乘法3、引出案例函數(shù)曲線(xiàn)4箕肃、目標(biāo)函數(shù)5婚脱、優(yōu)化目標(biāo)函數(shù)6、優(yōu)化目標(biāo)函數(shù)—梯度下降法7勺像、優(yōu)化目標(biāo)函數(shù)—求...