一、到社区下载安装包 二、安装 双击安装包，一路next即可 三、启动MySQL 打开系统偏好设置，会发现多了一个MySQL图标 点击它，会进入MySQL的设置界面： 这里就...
IP属地：香港
-
MySQL for Mac 安装教程 -
性能评估之PR曲线与ROC曲线冒泡!又是周末啦~小李上线啦!放假瘫在家里做咸鱼真的好快落诶,但也要坚持输出。今天主要叙述在二分类问题中性能评估的两个曲线。———————————————————— PR曲线...
-
机器学习基础（1）- ROC曲线理解本文用于理解ROC曲线的定义，绘制过程及其应用实现，主要用于自我温习回顾基础 基本目录如下： 什么是ROC曲线？1.1 ROC曲线的历史1.2 ROC曲线的定义1.3 ROC...
-
-
你好，怎么和手算的值不一样？
Tf-Idf详解及应用
TF-IDF（term frequency–inverse document frequency）是一种用于信息检索与数据挖掘的常用加权技术。TF意思是词频(Term Fre...
-
-
用Pytorch做人脸识别
完整代码已经上传，可以关注微信公众号 "老居搞机" 回复关键词 "人脸识别" 获取源代码后直接运行，一边吃着西瓜一边看着这篇一边Run着，效果最佳! 前言 人脸识别在生活中已...
-
大概算是个iOS开发者，人工智能关注者，没时间玩游戏的硬核游戏迷，从ACG发展而来的业余人文学家。
-
-
《人工智能产品经理：人机对话系统设计逻辑探究》作者，INTJ，公众号：偏笑忘录
-
孙文军Echo ·
结合楼主和我个人的理解，做个简单总结：原理：在网络的每一层输入之前，做了一个归一化处理，就是作用于隐藏单元值Z（其中Z=Wx+b），即BN(Z)得到Z~，然后再接激活函数（非线性映射）得到激活值a=g(Z~)。从激活函数的角度来说，这样做可以将输入值调整到激活函数梯度较大的位置（一般是均值0，方差为1的正态分布）。Z~ = γ*Z_norm+β，其中γ和β两个参数通过学习使隐藏单元均值和方差标准化，
作用：1.通过归一化输入值和隐藏单元值，加快学习；2.减弱了前后层参数的联系，使得网络每层都可以自己学习，使权重更滞后 -
生命是自由搏击<br>几次跌倒 就几次爬起
-
深入学习Google Transformer模型网络结构
2017年，Google发表论文《Attention is All You Need》，提出经典网络结构Transformer，全部采用Attention结构的方式，代替了传...
