作者：流浪的拉多weibo.com/ttarticle/p/show?id=2309404241869646237445 作为前端工程师，有时需要将做到一半的网页发送给 PM...
发简信
IP属地：江西
-
如何利用 Chrome 浏览器实现滚动截屏
-
-
全概率公式和贝叶斯公式
（1）条件概率公式 设A,B是两个事件，且P(B)>0,则在事件B发生的条件下，事件A发生的条件概率（conditional probability)为： ...
-
优化算法Mini-batch 梯度下降 如果训练集较小，直接使用 batch 梯度下降法，样本集较小就没必要使用 mini-batch 梯度下降法，你可以快速处理整个训练集，所以使用...
-
训练集、验证集和测试集
大数据时代，我们现在的数据量可能是百万级别，那么验证集和测试集占数据总量的比例会趋向于变得更小。因为验证集的目的就是验证不同的算法，检验哪种算法更有效，因此，验证集要足够大才...
-
参数初始化
为避免隐层神经元的作用完全一样，我们可以随机初始化参数，例如：把𝑊[1] 设为np.random.randn(2,2)(生成高斯分布)，通常再乘上一个小的数，比如 0.01，...
-
ReLU的线性与非线性
为什么relu这种“看似线性”（分段线性）的激活函数所形成的网络，居然能够增加非线性的表达能力。 1、首先什么是线性的网络，如果把线性网络看成一个大的矩阵M。那么输入样本A和...
-
VS Code、notebook和Code Runner
VS Code中开启笔记本模式，代码前加一行#%%就可以了。 Code Runner中打开Run in terminal设置即可支持conda虚拟环境了。
-
TensorFlow 1.*基础计算图：TODO Session Where we launch the graph. A Session object is the part of the TensorF...
-
-
有监督学习、半监督学习、无监督学习
监督学习指的就是我们给学习算法一个数据集。这个数据集由“正确答案”组 成。 在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子， 即无监督学习中没有...
-
逻辑回归的损失函数与代价函数（成本函数）损失函数一般用欧式距离的平方，但某些条件下（例如激活函数的选择），会造成代价函数是非凸的，这不利于我们找到全局最小值，这时我们不得不另做打算，比如上面的逻辑回归问题中损失函数...
-
Sigmoid、ReLU、tanhSigmoid将输出映射到（0，1）区间，并将线性数据映射到非线性空间 ReLU将输出映射到（0，♾）范围内，本质上是，为的是剔除不必要的负值数据，相较于Sigmoid函数，...
-
-
斯坦福 CS224d 自然语言处理中文笔记
-
Mac使用Charles进行HTTPS抓包第一步 配置HTTP代理，这步与抓取HTTP请求是一样的： 选择在8888端口上监听，然后确定。勾选了SOCKS proxy，还能截获到浏览器的http访问请求。 第二步 安...
-
Homebrew下载模块失败的解决办法
根据错误信息将对应模块手动下载下来后，放到Homebrew缓存文件夹再重新安装。 具体过程如下： 比如安装python@2时遇如下报错： 拷贝地址https://ftp.gn...
-
Mac OS X 清除DNS缓存
根据Mac OS X操作系统的版本选择以下命令：Mac OS X 12 (Sierra) and later: Mac OS X 11 (El Capitan) and OS...
-
