| 共 104 篇文章 |
|
手把手教你用1行代码实现人脸识别 -- Python Face_recognition.face_locations = face_recognition.face_locations(image)face_landmarks_list = face_recognition.face_landmarks(image)babe_face_encoding = face_recognition.face_encodings(babe_image)[0]Rong_zhu_er_face_encoding = face_recognition.face_encodings(Rong_zhu_er_image)... 阅4 转自taomaohu8... 公众公开 18-03-08 15:30 |
【学习】OpenAI 深度强化学习教程摘要 Not_GOD强化学习研究决策制定和控制，以及一个进行决策的 agent 如何学会在一个未知环境中采取最优行动。深度强化学习研究如何在强化学习算法中使用神经网络，使得无需进行人工特征工程直接学习从原始感知数据到原始行动输出的映射变得可能。中文版链接：https://tigerneil.wordpress.com/2016/05/03/deep... 阅4 转自LZS1991 公众公开 16-09-28 11:01 |
即在逻辑回归模型中，我们最大化似然函数和最小化对数似然损失函数实际上是等价的。算法（梯度下降法求解逻辑回归） 输入：目标函数：J(w)(对数似然损失函数)，梯度函数： g(w)=?J(w)， 计算精度? 输出：J(w) 的极小值点 w? 过程： (1) 取初始值 w0∈Rn， 令k=0 (2) 计算J(wk) J(wk)=?1NlnL(wk)??lnL(wk)=∑[yi(wk?xi)?ln(1+ewk?xi)]然而，正是... 阅4 转自奔跑的瓦力 公众公开 16-09-16 23:30 |
为了增加特征map的个数（实际上就是提取不同的特征），我们在每一个位置都采用两个不同的卷积核，这样在C2层的两个特征maps组中，每组都包含23个特征maps。而C6层就包含有128个特征map，每个特征map与S5层中所有78（13x6）个特征maps全连接，这样每个特征map就是1x1，也就是一个值了，而这个就是最终的特征向量了。为了达到这个目的，我们用大... 阅4 转自心不留意... 公众公开 16-09-05 12:54 |
