歡迎關(guān)注我的微信公眾號(hào)
IP屬地：北京
-
-
-
使用 UE4 進(jìn)行開發(fā)的一些經(jīng)驗(yàn)、心得和技巧分享
-
區(qū)塊鏈hyperledger fabric
-
-
Pope牛逼啊
怎么用 Numbers 可視化展現(xiàn)初生寶寶拉粑粑??的記錄
記錄初生寶寶拉粑粑??有什么意義肥哎？沒什么意義，just for fun?? 我們的目標(biāo)是畫一張這樣的圖： 下面我們開始吧疾渣。首先贤姆，你得有數(shù)據(jù)，弄到一張表格上： 然后是做一些數(shù)據(jù)規(guī)整...
-
怎么用 Numbers 可視化展現(xiàn)初生寶寶拉粑粑??的記錄記錄初生寶寶拉粑粑??有什么意義稳衬？沒什么意義，just for fun?? 我們的目標(biāo)是畫一張這樣的圖： 下面我們開始吧坐漏。首先薄疚，你得有數(shù)據(jù)，弄到一張表格上： 然后是做一些數(shù)據(jù)規(guī)整...
-
TensorFlow從1到2 - 4 - 深入拆解CNN架構(gòu)TensorFlow從0到N專題入口 上一篇3 深度學(xué)習(xí)革命的開端：卷積神經(jīng)網(wǎng)絡(luò) 快速回顧了CNN的前世今生赊琳。 本篇將拆開CNN架構(gòu)街夭，一探究竟。 基于空間映射的架構(gòu) 全連接網(wǎng)...
-
那些《天才槍手》中細(xì)思極恐的細(xì)節(jié)
看完《天才槍手》躏筏，第一個(gè)沖到眼前的感受是 Lynn 竟然能把作弊這樣傳統(tǒng)觀點(diǎn)認(rèn)為只能一對一進(jìn)行的手段發(fā)展成為平臺(tái)模式：也就是新增加一個(gè)客戶的邊際成本為零０謇觥！趁尼！因?yàn)閭鞔鸢甘强抠I...
-
TensorFlow從1到2 - 2 - 消失的梯度TensorFlow從0到N專題入口 上一篇1 深度神經(jīng)網(wǎng)絡(luò)我們知道埃碱，通過追加隱藏層來構(gòu)建更加“智能”的深度神經(jīng)網(wǎng)絡(luò)，并不奏效酥泞。 真正的問題不在“深度”本身砚殿，而是由梯度下降算...
-
我又開始學(xué) Swift 了??
嘗試過無數(shù)次學(xué)習(xí) Swift ，然后無數(shù)次被虐芝囤。 又要重新學(xué)一遍似炎，因?yàn)?Swift 1 發(fā)布了??又要重新學(xué)一遍，因?yàn)?Swift 2 發(fā)布了??又要重新學(xué)一遍悯姊，因?yàn)?Swift...
-
論技術(shù)只服我大蒲神
怎樣從飯否抓數(shù)據(jù)羡藐？
一直有個(gè)希望，希望自己寫出一款能完整搜索自己的飯否消息的 app 悯许。網(wǎng)頁版的搜索倒是可以仆嗦，但一來不方便，二來沒有「主題搜索」功能岸晦。算了欧啤，這個(gè)愿望先放一放吧睛藻。先寫個(gè)腳本把數(shù)據(jù)抓...
-
怎樣從飯否抓數(shù)據(jù)？一直有個(gè)希望邢隧，希望自己寫出一款能完整搜索自己的飯否消息的 app 店印。網(wǎng)頁版的搜索倒是可以，但一來不方便倒慧，二來沒有「主題搜索」功能按摘。算了，這個(gè)愿望先放一放吧纫谅。先寫個(gè)腳本把數(shù)據(jù)抓...
-
TensorFlow從1到2 - 1 - 深度神經(jīng)網(wǎng)絡(luò)TensorFlow從0到N專題入口 上一主題《TensorFlow從0到1》介紹人工神經(jīng)網(wǎng)絡(luò)的基本概念與其TensorFlow實(shí)現(xiàn)炫贤，主要基于淺層網(wǎng)絡(luò)架構(gòu)，即只包含一個(gè)隱藏層...
-
【C4P推薦】人工智能領(lǐng)域頂級(jí)會(huì)議AAAI
AAAI——C4P推薦指數(shù) 難 度：★★★★★ 權(quán) 威：★★★★★ 關(guān)注度：★★★★★ 無論AAAI這個(gè)會(huì)議你是否熟悉付秕，乍一看這簡稱就不由得感覺牛逼（有種被triple ...
-
【C4P推薦專欄】“高性價(jià)比”期刊《Neurocomputing》
Neurocomputing——C4P推薦指數(shù) 難 度：★★★ 權(quán) 威：★★★ 關(guān)注度：★★★★ Neurocomputing是Elsevier旗下的SCI期刊兰珍。該期刊主...
-
我猜，面試會(huì)問我……
1询吴、談?wù)勀愕膬?yōu)勢 & 不足 我是學(xué)計(jì)算機(jī)的掠河。IT 行業(yè)里面有一個(gè)崗位叫「項(xiàng)目經(jīng)理」。項(xiàng)目經(jīng)理手頭有兩撥人猛计，前端負(fù)責(zé)設(shè)計(jì)唠摹，后端負(fù)責(zé)實(shí)現(xiàn)。要是拿項(xiàng)目經(jīng)理跟前端比設(shè)計(jì)奉瘤，那肯定不如設(shè)...
-
TensorFlow從0到1 - 6 - 解鎖梯度下降算法
TensorFlow從0到1系列回顧 上一篇 5 TF輕松搞定線性回歸勾拉，我們知道了模型參數(shù)訓(xùn)練的方向是由梯度下降算法指導(dǎo)的，并使用TF的封裝tf.train.Gradient...
-
是否應(yīng)該是?v = -η▽C
TensorFlow從0到1 - 6 - 解鎖梯度下降算法
TensorFlow從0到1系列回顧 上一篇 5 TF輕松搞定線性回歸盗温，我們知道了模型參數(shù)訓(xùn)練的方向是由梯度下降算法指導(dǎo)的藕赞，并使用TF的封裝tf.train.Gradient...
-
小蒲蒲謙虛啦
凡事架不住親自跑一把—— Perceptron 篇
寫這篇時(shí)，我并沒有完全搞懂卖局。謹(jǐn)作記錄找默。 我們知道，單層神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)很簡單：線性加權(quán)求和 + sigmoid 吼驶。而 Minsky 早就斷言：單層神經(jīng)網(wǎng)絡(luò)連「異或」問題都解決不...
