| 共 14 篇文章 |
|
从上面几个偏导数的值我们可以总结出这个规律：损失函数对卷积核的偏导数实际上就是输入图像矩阵与误差矩阵的卷积：在这里conv为卷积运算，卷积输出图像的尺寸刚好和卷积核矩阵的尺寸相同。1.将待卷积图像、卷积核转换成矩阵2.调用通用矩阵乘法 GEMM 函数对两个矩阵进行乘积3.将结果矩阵转换回图像。对于单通道图像，将所有位置的子矩阵都像这... 阅200 转0 评0 公众公开 18-09-30 19:48 |
这份面试资源主要包含五部分内容：数组、链表、字符串、二叉树和重要算法（如排序算法）的编程面试题，其中每部分内容我们都列出了一些最常被问到的热门问题，并且在每个题目后给出了可以参考的解决思路和代码，因为题目较多，我们没有罗列所有的方法和代码，只给出了访问地址。http://javarevisited.blogspot.sg/2016/07/binary-tree-preorder... 阅44 转1 评0 公众公开 18-09-29 16:31 |
十大经典排序算法（动图演示，收藏好文）var len = arr.length;if (arr[j] > arr[j+1]) { // 相邻元素两两对比。var temp = arr[j+1];arr[j+1] = arr[j];arr[i] = arr[minIndex];arr[preIndex + 1] = arr[preIndex];var len = arr.length,arr[j + gap] = arr[j];arr[i] = arr[j];for (var i = arr.length - 1;buckets[Math.floor((arr[i] - ... 阅85 转0 评0 公众公开 18-09-28 16:34 |
但是我们看到，这种算法产生的下一个随机数完全依赖现在的随机数的大小，而且当你的随机数序列足够大的时候，随机数将出现重复子序列的情况。可见高斯分布的随机数实际就是均匀分布随机数在高斯分布的 CDF 函数下的逆映射。值得说明的是，这里体现了一个很重要的特性，那就是从一个高概率状态 xi 向一个低概率状态 x(i-1) 转移的概率等于从这个... 阅25 转0 评0 公众公开 18-09-23 13:04 |
轻松看懂机器学习十大常用算法。通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。S 矩阵是源数据，有 1-N 条数据，A B C 是feature，最后一列C是类别。要将两类分开，想要得到一个超平面，最优的超平面是到两类的 margin 达到最大，... 阅28 转1 评0 公众公开 18-09-19 15:49 |
理解梯度下降法。相信所有的读者对这个问题都不陌生，在初中时我们就学会了求解二次函数的极值（抛物线的顶点），高中时学习了幂函数，指数函数，对数函数，三角函数，反三角函数等各种类型的函数，求函数极值的题更是频频出现。可导函数在某一点处取得极值的必要条件是梯度为0，梯度为0的点称为函数的驻点，这是疑似极值点。因为每次迭代时的... 阅431 转1 评0 公众公开 18-09-14 22:04 |
看完这篇图解 PCA，面试再也不担心。我们希望找出一个新的基向量所代表的空间 P（每列是一个基向量），原始的数据 A 在 P 的衡量下的新的表示方式为 Z，即 Z = AP，如果 (1/m)*Z(T)Z 能变成一个对角矩阵（除对角线外其余元素为 0），那么 P 就是我们想找的那组基向量。可以发现特征值分解后，特征向量所组成的矩阵正好是一个对角矩阵，因此特征... 阅3112 转3 评0 公众公开 18-09-13 19:14 |
1.2 知道骰子有几种（隐含状态数量），也就是有几种骰子，在上面的例子中就有三种，每种骰子是什么（转换概率），根据扔骰子投出的结果（观测状态链），我想知道每次投的是哪种骰子（隐含状态链）1.知道骰子有几种（隐含状态数量），也就是有几种骰子，在上面的例子中就有三种，每种骰子是什么（转换概率），根据扔骰子投出的结果（观测状态链... 阅1362 转3 评0 公众公开 18-09-11 08:15 |
LightGBM大战XGBoost，谁将夺得桂冠？因此，在LightGBM算法中，当增长到相同的叶子节点，leaf-wise算法比level-wise算法减少更多的loss。前文是一个由LightGBM算法作者的概要式的描述来简要地解释LightGBM的不同之处。我们将对比LightGBM和XGBoost的实验结果来证明你应该使用LightGBM在一种轻轻的方式（Light Manner）。LightGBM与XGBoost对比... 阅59 转0 评0 公众公开 18-09-11 08:15 |
然而，经过一番努力的探究和思考后，我们可以提出很多不错的机器学习问题，而当我们试图回答和分析这些问题时，就可以很好地揭示问题更深层次的内涵。9. 大多数机器学习算法涉及到一些对矩阵的操作，例如矩阵乘法和求逆矩阵。请给出一个简单的数学证明，说明为什么这种机器学习算法的 mini-batch 版本可能比在整个数据集上进行训练的计算效率更... 阅83 转0 评0 公众公开 18-09-11 08:15 |
