a2352159950的博客

word2vec概述之前使用one-hot编码来表示词向量，比如猫为（1，0，0），狗为（0，1，0），这种稀疏编码，维度大，词与词之间是孤立的，无法表示词与词之间的语义信息！word2vec就是为了解决这个问题，下图就是表示形式，我们从图中可以看到man和woman的两个词矩阵相似度更高，这种表示方法能捕捉到词与词之间的关联信息。一个词向量是一个一维向量，将所有单词的向量按照行堆叠起来就被称为embedding矩阵,像下面一样训练得到embedding矩阵如何为每一个单词都生成一个这样的向

在network in network网中网这篇论文中，对1×1卷积核作用进行了解释，该论文为后续网络模型开发（比如GoogLeNet、Inception都广泛使用了1×1卷积）提供了很好的思路，是一个经典的方法。

深度学习之防止过拟合的方法及技巧吴恩达深度学习中关于过拟合的讲解1.L2正则化2.随机失活 (dropout)新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML ...