背景:在Mac下使用終端的頻率有點多,想著看看能不能美化或者強化下,于是就按照網(wǎng)上的教程折騰了下(注意:網(wǎng)上的教程一定要注意思考,看看是否和自己情況一致) 查看安裝的Shel...
刪除ctrl + d 刪除光標所在位置上的字符ctrl + h 刪除光標所在位置前的字符ctrl + k 刪除光標后面所有字符ctrl + u ...
說明:能在Linux就不要在win下折騰,win下坑還是比較多的。 然后導(dǎo)入遇到問題 解決方案一(裝成功了,應(yīng)該對我后面在anaconda終端下卸載numpy后成功有幫助):...
哪里報錯搜哪里唄,用百度和Google都試試
計算機科學(xué)和Python編程導(dǎo)論-第13課12.背包問題 我們有n種物品,物品j的重量為wj,價格為pj。我們假定所有物品的重量和價格都是非負的。背包所能承受的最大重量為W。如果限定每種物品只能選擇0個或1個,則問題...
第三周 序列模型和注意力機制(Sequence models & Attention mechanism)3.1 基礎(chǔ)模型(Basic Models)3.2 選擇最可能的句子...
一、學(xué)習(xí)安排(12月1日-12月3日)1.主要學(xué)習(xí)視頻:第十一課:自然語言處理與詞嵌入([圖片上傳失敗...(image-e5671c-1543837885096)] htt...
第一周 循環(huán)序列模型(Recurrent Neural Networks)1.1 為什么選擇序列模型?(Why Sequence Models?)即表示可以用序列模型可以做什...
已經(jīng)開始看的不懂了,只知道概念…… 第三周 目標檢測(Object detection)3.1 目標定位(Object localization)如何利用神經(jīng)網(wǎng)絡(luò)進行對象定位...
第一周 卷積神經(jīng)網(wǎng)絡(luò)(Foundations of Convolutional Neural Networks) 1.1 計算機視覺(Computer vision) 計算機...
2.1 進行誤差分析(Carrying out error analysis) 從舉的例子中我理解這里的誤差分析,其實就是通過分析誤差因素來選擇優(yōu)化系統(tǒng)的正確方向。 所以總結(jié)...
第一周 機器學(xué)習(xí)(ML)策略(1)(ML strategy(1))1.1 為什么是ML策略?(Why ML Strategy?)這里我理解的策略,應(yīng)該是機器學(xué)習(xí)過程中采用的方...
3.1 調(diào)試處理(Tuning process) 3.2 為超參數(shù)選擇合適的范圍(Using an appropriate scale to pick hyperparame...
問題的來源,之前在debian系統(tǒng)下點擊了掛起機器,過了一天在喚醒進入桌面后突然沒有任何反應(yīng)了,就是想點擊輸入用戶名和密碼,但是鼠標點擊了之后沒有任何反應(yīng),想著等著也不是辦法...
首先推薦學(xué)習(xí)markdown編輯公式技巧:在Markdown中輸入數(shù)學(xué)公式(MathJax)markdown最全數(shù)學(xué)公式牛逼!公式編輯器如何在markdown中完美插入數(shù)學(xué)公...
第三周 淺層神經(jīng)網(wǎng)絡(luò): 3.1 神經(jīng)網(wǎng)絡(luò)概覽3.2 神經(jīng)網(wǎng)絡(luò)表示 loss function L(a,y)神經(jīng)網(wǎng)絡(luò)通過輸入層,隱藏層和輸出層。視頻中激活函數(shù)指的就是s...
2.1二分類這里的二分類就是給定輸入向量X,經(jīng)過模型對應(yīng)輸出1或者0。這里二分類模型用的是logistic模型。 2.2logistic回歸在邏輯回歸中,我們的輸出用sigm...
什么是神經(jīng)網(wǎng)路?一種強有力的學(xué)習(xí)算法,受大腦如何工作的啟發(fā)而得到的。 1、single neural network 2、multiple neural network 用神...
ctrl+k、ctrl+o 打開資源管理器選擇文件夾或文件ctrl+shift+p 控制面板ctrl+shift+k刪除整行Ctrl+P,快速打開文件單行注釋:[ctrl+k...
其中視頻動態(tài)規(guī)規(guī)劃里面的關(guān)于斐波拉契數(shù)列momorize的函數(shù)比較印象深刻