1、信息量 信息量是通過(guò)概率來(lái)定義的：如果一件事情的概率很低，那么它的信息量就很大；反之，如果一件事情的概率很高，它的信息量就很低。簡(jiǎn)而言之，概率小的事件信息量大，因此信息量...
IP屬地：北京
-
信息熵、條件熵、聯(lián)合熵、互信息、相對(duì)熵、交叉熵 -
插眼
5分鐘 搭建免費(fèi)個(gè)人博客
五分鐘倒數(shù)已經(jīng)可以計(jì)時(shí)了。 三步完成免費(fèi)個(gè)人博客搭建， 這是一篇小白也能看懂的文章，本文主要針對(duì)mac OS ，Windows 除了軟件安裝方式和命令有些區(qū)別（裝了git b...
-
5分鐘 搭建免費(fèi)個(gè)人博客五分鐘倒數(shù)已經(jīng)可以計(jì)時(shí)了。 三步完成免費(fèi)個(gè)人博客搭建， 這是一篇小白也能看懂的文章，本文主要針對(duì)mac OS ，Windows 除了軟件安裝方式和命令有些區(qū)別（裝了git b...
-
點(diǎn)贊支持，很有幫助
Matplotlib繪圖時(shí)x軸標(biāo)簽重疊的解決辦法
在使用Matplotlib畫(huà)圖時(shí)，我遇到了一個(gè)尷尬的情況，那就是當(dāng)x軸的標(biāo)簽名字很長(zhǎng)的時(shí)候，在繪制圖形時(shí)，發(fā)生了x軸標(biāo)簽互相重疊的情況。本文主要通過(guò)一個(gè)簡(jiǎn)單的示例，探索了以上...
-
Matplotlib繪圖時(shí)x軸標(biāo)簽重疊的解決辦法在使用Matplotlib畫(huà)圖時(shí)，我遇到了一個(gè)尷尬的情況，那就是當(dāng)x軸的標(biāo)簽名字很長(zhǎng)的時(shí)候，在繪制圖形時(shí)，發(fā)生了x軸標(biāo)簽互相重疊的情況。本文主要通過(guò)一個(gè)簡(jiǎn)單的示例，探索了以上...
-
并沒(méi)有看到backward的具體過(guò)程，樓主寫(xiě)的是使用吧
pytorch學(xué)習(xí) -- 反向傳播backward
入門(mén)學(xué)習(xí)pytorch，在查看pytorch代碼時(shí)對(duì)autograd的backard函數(shù)的使用和具體原理有些疑惑，在查看相關(guān)文章和學(xué)習(xí)后，簡(jiǎn)單說(shuō)下我自身的理解： backwa...
-
我是 Alice<br>喜歡人工智能，行動(dòng)派<br>創(chuàng)造力，思考力，學(xué)習(xí)力提升修煉進(jìn)行中<br>歡迎志同道合的小伙伴們和我一起學(xué)習(xí)<br>微信：XerDudu，備注簡(jiǎn)書(shū)<br>公眾號(hào)：極客X養(yǎng)成計(jì)劃<br>轉(zhuǎn)載記得聯(lián)系作者哦！
-
Bert系列（二）——源碼解讀之模型主體本篇文章主要是解讀模型主體代碼modeling.py。在閱讀這篇文章之前希望讀者們對(duì)bert的相關(guān)理論有一定的了解，尤其是transformer的結(jié)構(gòu)原理，網(wǎng)上的資料很多，本...
-
RNN與LSTM個(gè)人筆記一文搞懂RNN收獲通俗易懂的解釋了從傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是如何到RNN的；解釋了如何用圖理解RNN的原理，明白了RNN的前向傳播機(jī)制；
-
讀詩(shī)詞，寫(xiě)人物，講故事。已出版《桃李春風(fēng)一杯酒：唐朝詩(shī)人的快意人生》《夢(mèng)里不知身是客：宋朝詞人的詩(shī)酒年華》《我是人間自在客：古代文人折騰錄》，各大網(wǎng)絡(luò)平臺(tái)均有銷(xiāo)售。
-
內(nèi)心的平靜，是走出輪回的鑰匙。公號(hào)“樂(lè)活Thirza”，用文字與繪畫(huà)，讀懂自己與世界。
-
TextRNN學(xué)習(xí)之路
以下為個(gè)人學(xué)習(xí)TextRNN的學(xué)習(xí)歷程(僅作為本人學(xué)習(xí)使用,如有侵權(quán)請(qǐng)私信) 未學(xué)習(xí)前的知識(shí)儲(chǔ)備 傳統(tǒng)機(jī)器學(xué)習(xí)的算法；使用過(guò)ML的算法進(jìn)行項(xiàng)目實(shí)戰(zhàn)；對(duì)深度學(xué)習(xí)有一定的了解；用...
-
路過(guò)支持！！
tensorlfow的雙向lstm的幾種情況
雙向rnn 關(guān)于雙向rnn有好幾種情況，雖然可以組合，但是一定要考慮loss優(yōu)化時(shí)是否能夠收斂。1.單層雙向（靜態(tài)）2.單層雙向（動(dòng)態(tài)）3.多層雙向（靜態(tài)）4.多層雙向（動(dòng)態(tài)...
