發(fā)簡信
IP屬地：廣西
-
Vanilla VAEVanilla VAE(Variational Autoencoder) 一、AutoEncoder 回顧 生成模型 最理想的生成就是知道輸入樣...
-
mysql事務隔離級別的實現(xiàn)原理
mysql事務隔離級別的實現(xiàn)原理 mysql innodb中的四種事務隔離級別[http://www.itdecent.cn/p/1fc97a...
-
Java 泛型
java 泛型 很多朋友對java的泛型不是很理解，很多文章寫的已不是很清楚，這篇博客對java泛型進行 一個總結。 1.泛型的轉換 List<...
-
機器學習基礎之交叉熵與均方誤差機器學習基礎之交叉熵與均方誤差 我們都知道，對于分類任務，可以選用交叉熵做為模型的損失函數(shù)；對于回歸任務，可以選用MSE來作為模型的損失函數(shù)。那...
-
機器學習基礎之參數(shù)估計
機器學習基礎之參數(shù)估計 一、參數(shù)估計 對所要研究的隨機變量，當它的概率分布的類型已知，但是參數(shù)未知，比如服從正太分布。但是這兩個參數(shù)未知。那么這...
-
Transformer in pytorch一 Transformer overview 本文結合pytorch源碼以盡可能簡潔的方式把Transformer的工作流程講解以及原理講解清楚...
-
機器學習基礎之反向傳播機器學習基礎二-反向傳播 神經(jīng)網(wǎng)絡之所以可以訓練，得益于與Hinton在1986年提出的反向傳播算法。反向傳播背后的數(shù)學原理就是鏈式法則。本文會...
-
Transformer研究綜述一、基礎部分 ??2017年google發(fā)表了一篇All Attention Is All You Need論文, 在機器翻譯任務中取得了SOT...
-
梯度下降優(yōu)化方法概述梯度下降是優(yōu)化神經(jīng)網(wǎng)絡和機器機器學習算法的首選優(yōu)化方法。本文重度參考SEBASTIAN RUDER[https://ruder.io/optim...