發(fā)簡(jiǎn)信
IP屬地：北京
-
字符串 Leetcode 383 贖金信
題目 給定一個(gè)贖金信 (ransom) 字符串和一個(gè)雜志(magazine)字符串，判斷第一個(gè)字符串ransom能不能由第二個(gè)字符串magazi...
-
Leetcode 739 每日溫度
題目： 根據(jù)每日 氣溫 列表，請(qǐng)重新生成一個(gè)列表，對(duì)應(yīng)位置的輸入是你需要再等待多久溫度才會(huì)升高超過(guò)該日的天數(shù)。如果之后都不會(huì)升高，請(qǐng)?jiān)谠撐恢糜?...
-
-
RNN
https://zhuanlan.zhihu.com/p/30844905
-
Word2vec精講
https://zhuanlan.zhihu.com/p/44599645
-
FastText
http://fancyerii.github.io/2019/03/09/transformer-codes/
-
XGBoost
https://blog.csdn.net/v_july_v/article/details/81410574
-
Batch normalization and layer normalization
batch normalization 多用于CNN或者NLP。是對(duì)Batch數(shù)據(jù)的不同維度單獨(dú)進(jìn)行正則化。對(duì)于單一的測(cè)試數(shù)據(jù)問(wèn)題較多。 Lay...
-
RNN 中的梯度下降和爆炸問(wèn)題以及LSTM怎樣解決這個(gè)問(wèn)題
參見(jiàn)以下博客： LSTM：RNN最常用的變體 RNN梯度消失與梯度爆炸的原因 RNN 的梯度消失問(wèn)題