1. 引子————邊界檢測 可以通過設計特定的filter，讓它去跟圖片做卷積，就可以識別出圖片中的某些特征，比如邊界。 CNN（convolutional neural n...
發(fā)簡信
IP屬地：陜西
-
Day 7: CNN -
Day 6: 參數(shù)調(diào)節(jié)我們平時一直都在說“調(diào)參、調(diào)參”，但實際上，不是調(diào)“參數(shù)”，而是調(diào)“超參數(shù)” 1.參數(shù)（Parameter） 參數(shù)是我們訓練神經(jīng)網(wǎng)絡最終要學習的目標，最基本的就是神經(jīng)網(wǎng)絡的權...
-
Day 5: 激活函數(shù)激活函數(shù) 神經(jīng)網(wǎng)絡的每一層基本都是在一個線性運算后面來一個非線性激活函數(shù)（Activation function），再把值傳給下一層的 為啥要有非線性的激活函數(shù)（non-li...
-
Day 4: 優(yōu)化算法
1.Gradient Decent 把所有的訓練樣本丟進去訓練一次之后，把W和b更新一次，然后重復這個過程，具體重復多少次就看我們的“迭代次數(shù)”是多少。 “把所有訓練樣本過一...
-
Day 3: 參數(shù)初始化神經(jīng)網(wǎng)絡參數(shù)初始化 神經(jīng)網(wǎng)絡的參數(shù)主要是權重（weights）：W， 和偏置項（bias）：b 1) 0初始化 不管是哪個神經(jīng)元，它的前向傳播和反向傳播的算法都是一樣的，如果...
-
Day 2: 正則化1、Bias（偏差） & Variance（方差） bias就是衡量訓練集和我們的最小誤差的差距 variance是指你的驗證集和你訓練集的效果的差別，而不是某個絕對的值。 ...
-
Day 1：logistics regression1.logistics regression model y' = σ(WTx+b) 激活函數(shù)：sigmoid函數(shù) 損失函數(shù)：L(y',y) = -[y·log(y')+(1...
-
故事專題，不論是旅行生活中親身經(jīng)歷的真實故事，還是童話玄幻遐想的虛構故事，這里記錄你的每個故事。 歡迎向我們投稿你的故事！ 所投稿件必須是一個完整的故事，故事包括但不限于：小說、世間故事、敘事散文、以敘事為主的回憶錄…… 投稿前，請閱讀最有趣的投稿指南： http://www.itdecent.cn/p/9da8500a57f0 投稿須知： 1.建議題材：有情節(jié)的小說、身邊的故事、敘事游記、以敘事為主的回憶錄、職業(yè)故事等。 2.不建議題材：連載、只有大道理的雞湯、成功學、工具文、詩歌、觀點時評類文章等。 3.文章在一千字以上，排版合理，不影響閱讀體驗。 4.禁止外鏈宣傳。不得有個人微信、微信公眾號、微博、豆瓣鏈接。 專題主編：似舞 http://www.itdecent.cn/u/021585ebd561 目前【故事】專題已建有專題社群，私信主編暗號“我愛故事”，即可獲得入群鏈接。任何投稿疑惑，寫作問題，感情困難，都可以進群進行申訴，會有專人解決你的問題。
-
如果你是程序員，或者有一顆喜歡寫程序的心，喜歡分享技術干貨、項目經(jīng)驗、程序員日常囧事等等，歡迎投稿《程序員》專題。 專題主編：小彤花園 http://www.itdecent.cn/users/4a4eb4feee62/ 【程序員】專題拒稿指北：http://www.itdecent.cn/p/7c8b33b5f63b 投稿須知： 1.收錄相關技術文章，但不限于技術，也可以是項目經(jīng)驗類的文章和程序員日常。 2.文章內(nèi)不得有任何推廣信息。包括但不限于公眾號、微博、微信，更不得在通過投稿后再修改文章加入推廣信息。你可以將這些推廣以及個人信息放在個人主頁介紹里。 3.字數(shù)極少，段落混亂，大段代碼沒有放到代碼框的文章不收錄 4.不相關的內(nèi)容不收錄，請確認文章內(nèi)容和本專題相關 目前針對優(yōu)質(zhì)作者及愛好者，開設了官方程序員微信群，希望加入請發(fā)簡信給主編小彤花園索取個人微信，主編會將你加入到【程序員】微信群，分享內(nèi)容，收獲知識。添加微信時備注昵稱。
-
Hi，很高興在@IT·互聯(lián)網(wǎng)專題遇見你。 收錄范圍：收錄IT&互聯(lián)網(wǎng)行業(yè)觀察與思考，數(shù)碼產(chǎn)品極客體驗分析等類型文章 投稿須知：http://www.itdecent.cn/p/4edc76104c27 專題主編：@若錦 http://www.itdecent.cn/u/e4c63b354a77 官方社群：可聯(lián)系添加 @若錦 加入專題官方社群交流、學習，添加時備注簡書ID。
