2015的读书计划和读书心得

微信读书产品调研报告 在信息爆炸时代,还是有一些人通过阅读书籍的方式静下心思考,静心提升自己的。而电子阅读产品也是互联网时代下的特色与产物,在竞争激励的电子阅读产品市场中,微信读书也正凭借着高质量的产品设计赢取用户的称赞与信赖。 微信读书产品调研报告 产品名称:微信读书 产品版本:IOS V4.5.0 调研环境:IOS 13.1.2 调研时间:2020.01.16 《... 阅读详情

今年年初,雄心勃勃计划要看50本书。现在偶然翻到之前的计划列表,发现总结起来,应该只实现了五分之一。现在看书有了一个体会,如果没有写读书笔记,或者不根据书上的内容实践,那和没有看差不多。

1《android开发精要》| 范怀宇 | 技术

读书笔记:
技术与烂大街的基本知识讲解略有不同。作者比较善于剖析android设计的模式,融入了自己的理解,而不是简单地陈列知识点。知道为什么才能解决纷繁复杂的现实技术问题,但目前还真的没有让我特别感受到它的强大之处。老范的优点在于,它喜欢吸收android原生应用的设计精华,融入自己的项目中,从而让项目有更好的性能。
随便开发一个app并不难,但是要开发精品,就必然要吸收源码的精华。而源码之所以看起来比较吃力,是因为它考虑的情形很多。不是所有东西都需要消化,只需要了解对于自己有用的部分。如果你所了解的部分,能够解决当下的问题,足矣。当然,解决方案也存在优劣问题,如果能够很好地解决当下问题,那可能就需要吸收更多的东西,才能够做好。

2《结网》| 糗百王坚 | 产品(未看)

3《启示录:打造用户喜欢的产品》| 产品(未看)

4 《点石成金》| 产品

读书笔记:
我通常会碰到一个问题,觉得某个东西不好,但又说不出原因,而究其原因,是因为缺乏对应领域的专业常识。对我而言,网站设计和app设计,我不能拍脑袋决定这个东西好与不好,应该掌握一些基本的理论知识或者说经典的设计原则,然后再结合自己的生活感悟,去评判东西的优劣。当你不知道如何评价一个事物时,一定是因为你还太菜,需要深入学习相应的知识,不能凭着直觉。好的直觉,一是天赋,二是生活感悟,三是专业积累。
这本书非常重要,需要反复看,至少3遍以上,才能品出其中的味道。它主要是讲网页设计的点石成金之道。因此,该领域的从业者可能体会能更深入一些。记得13年的时候,参加过一个设计讨论会。当时有一个在业内小有名气的设计团队来给创业团队的网站做点评,参与其中的创业团队还真不少。创业团队做产品,成型之后,领头人总是会感到不满意,但又往往不知道如何改是好。产品的成长往往是一个痛苦的蜕变,需要反复修改,很少有一步到位的。即使是业界的公认好产品,也是如此的。
不过这本书能给我带来的感受并不是太多。因为我看了之后,没有什么实践的机会。书中有很多实践的优化产品的例子,我也没有深入思考,可能还是跟自己的开发实战有一定距离而拒绝思考吧。选择这本书,一定程度是因为女友在学习设计的缘故。其实这本书更像是“道”,是通用的好的原则,但是适合掌握了“术”的人看,收获会比较大一点。尽管开发和设计&体验沾一点边,但既懂程序又懂设计的开发者并不是太多。以后在看书时会慎重选择“产品”类的书籍,还是先把技术功底搞扎实再说吧。

5《一目了然》| 产品(未看)

6《胜于言传》| 产品(未看)

7《高效能人士的7个习惯》| 效率 (未看,看其他书有提到这本书里的观点)
读书笔记:
工作也好,学习也罢,除了勤奋以外,应该有好的习惯和方法,帮助人们提高效率,解决停滞不前的问题。我在3年的工作中,屡次碰到停止不前的问题,总是做的不足,而又想得很多。
疯狂的勤奋,是做成一个事情的最大前提。但是,你必须找到一件事情来调节你的身体和情绪。目前而言,比较好的调节方式就是游泳和电影。当然,夏天的话,最理想的自然就是游泳啦。我可以完全放松,沉浸其中,把自己的身体从烦闷的工作和学习中解放出来,以迎接后续的挑战。
爱生活,是爱工作的前提。而怎么样才算是爱生活呢,那就必然是有兴趣爱好啦。我几乎没有爱好,这才是最严重的问题。没有爱好会带来什么问题呢?当你工作郁闷的时候,没有好的排解方式,让你感觉喘不过气,有没有办法调节。这样的话,工作热情和迎接工作挑战的信心都会大受影响,从而影响你的工作表现。
对于bug的态度:沟通是很重要的。找出问题是测试人员的职责所在。类似,你的职责是把东西做出来,并高水准地交付。其实其中难的环节就是“高水准”。要想高水准,你就要不断学习,解决不愿意解决的难题,才能做到高水准交付。再大的理想,也抵不过把工作遇到的问题一个一个KO掉,这才是脚踏实地的活着。你需要活在当下,面对当下的困难和挑战,你的生活才不至于陷入窘境。

8《方寸之间》| 淘宝无线团队 | 产品

读书笔记:
重点:对移动平台的规范和用户体验的要素做了比较全面的论述,但是实践性偏弱,只是给出了方向,并没有举出好的实例来论证观点。某些观点已经比较陈旧了,不再适用于当下的移动设备的趋势。

9《人人都是产品经理》| 苏杰 | 产品(推荐)

读书笔记:
这是一本不错的书。不得不说,作者有一个很大的优点,那就是善于记录和总结。似乎写书的人都具备了这一点。他们刚开始只是帮助自己成长而记录。随着记录的东西越来越多,他们积累的越来越多。而这个过程中呢,因为他们的记录,而使一些遇到同样问题的人节省了不少时间。其实,人从本性上都是渴望被关注和得到认可的。如果一个人的记录给别人带来了帮助,也必然能够产生持续性的学习和分享的动力,从而形成良性的循环。尽管知道这一点很容易,但是坚持下来却并不容易。
重点:爱生活,会思考,善沟通,有理想。
最重要的就是思考的能力的培养,很多东西,不再有标准答案,需要我们运用正确的思维方法不断提炼好的方案或解法。一本书,不一定要全看完,重要的是解决问题,提升能力。很多书,甚至可以直接跳跃到自己喜欢的章节,重点吸收。人的经历和能力有限,书是看不完的。如果只看,而不思考实践,灵活运用,那么收获很小。

10 《Youtube传奇》| 陈士骏 | 鸡血

读书笔记:
重点:硅谷精神
硅谷精神的核心:敢于冒险,工作狂
敢于冒险的前提:在某方面有超出同龄人的积累,有一技之长真正的敢于冒险,其实是对一个东西有一定认知为前提。

11《还没长大就老了》| 成龙,朱墨 | 鸡血

读书笔记:
不知道这本书算不算是打鸡血。反正自己现在是浑身没力气,没有能量的状态,对什么事情都没有太大的激情与信心。还要苦苦撑20天,很煎熬。我的问题太多了。没想到自己会成为一个如此失败的人,做不好任何一件事情。工作干不好,考试也没考上。信心源泉丢失了,很多时候都没有太多干劲,感觉是在混时间,蹉跎人生。我不知道自己未来的路在哪里,看不到前方。那些所有的雄心壮志,仿佛都烟消云散,自己连挣扎的力气都没有了。大哥那种拼的劲儿头,我怎么就没有呢。你不是身体差,而是习惯差。晚上容易晚睡,早上起不来。白天打不起精神,浑浑噩噩,如此循环。有时会无聊到世界失去意义的感觉。不知道路在何方。因为你不学习了,你不前进了,你不相信自己了,你看不到自己的价值了。
说到底,活着的能力,是解决问题的能力。

12《把时间当作朋友》| 李笑来 | 时间管理(推荐)

读书笔记:
最近的日子过得毫无意义,仿佛一时间又摆脱不了。而这一切的罪恶,其实可以追溯到两件事情:不能早起&沉迷于网聊。而沉迷于网聊,无非是爱好的缺失,没有有效的排解失败和压力的方式,导致否定生活的意义,自甘堕落。14年,尽管我也不早起,但我有学习的习惯,所以我的生活主体并不空虚。而现在呢,学习的习惯被我丢弃得一干二净,而身体素质也并不见好。远大的理想先不谈,眼下的事情也摆不平。个人信誉品牌价值几乎为0。
笑来老师的书里,有一点真的太精辟了。成功者所需要的最重要的素质,其实是耐心,你总是愿意相信,当前的付出能够在某个时候开花结果。在每日的付出中,其实也很容易疑惑,我们急于看到好的结果。这容易导致的是,我们还没有等到好的结果,我们自己就放弃了。
我郁闷和无聊的阴影,居然来自于童年没有爱好的阴影。其实很多东西,与智商无关。我的性格里没有去尝试一些东西,对这些东西显得很迟钝。其实它们并不需要什么大智慧,需要的不过是耐心和重复,以及试错中的不断总结而已。在未来的几年里,我要把我的1万个小时花在哪里呢,我真的不知道。我对复杂的事情总是没有完成的长远耐心和信心。确切来说,这几年,没有一件事情给我在信心上提供极大的支持,真的是一件也没有。就是这么悲剧。而不快乐,和心智成熟度有关。
我在工作中的表现,让我自己都感到极其失望。你必须承认的是,你没有认真面对,而是无端地失去耐心,感到疲倦。你在恶性循环里待得太久,以至于无法拿出必定能克服自我的信心。
很多事情,并没有想象中的那么可怕,你唯一需要做的就是用心准备。斗地主打不好,那就私下练上几千个回合。游戏玩不好,我就一个一个尝试。你需要不断地尝试,来改善以前的自我认知。不得不说,你在这些方面,确实少了一些资质。少了就少了,也没法补救了。你总是可以弥补的。25岁又怎样,再这样混下去,反而是在平凡里挣扎。倘若尚有一丝希望,让你按着所期望的人生轨迹去走,就要珍惜这样的机会。浪费的时光,就由它去吧。清华可能不能给我的人生带来巨变,但有一点,请你一定要相信,你需要有价值的目标来激励自我,也需要找到自己的1万小时应该花在什么地方。至于赚钱,我觉得不用着急。即使上学,我相信自己总能够找到赚钱的方法,让自己不至于过得太艰苦。清华这个目标,是极有必要的,2次没实现有怎样呢,不是每个人,都会顺利地往前走,我们需要一些高远一点的目标,尽管我真的不那么年轻了。好好珍惜当下的日子吧。我相信你能够顺利地渡过难关,感受生命的快乐。谁都不愿意平凡。而想要不平凡,你就要为之努力,锲而不舍。除此之外,没有太好的办法。
旺盛的精力首先来源于好的习惯。我他妈的居然活了20多年,连个好习惯都木有。
好多事情,其实质就是重复。游戏需要重复。代码需要重复。好习惯养成需要重复。不要脸的素质培养也需要重复。

13《少有人走的路》| [美] M·斯科特·派克 | 心理(推荐)

读书笔记:
这本书是李笑来(《与时间做朋友》的作者)推荐的。这本书的评价很高,给我印象最深刻的一个观点是“人生所有的问题,都是自律问题,部分自律解决部分的问题,全部自律解决全部的问题”。这句话真的讲到我的心坎里去了。回首很多事情,发现逐步累计起来的坏习惯往往都是自律上的失败。另外一个观点是,“人生是一个困难重重的过程”,这一点要领悟到真的很苦难。我由衷地喜欢顺利。不喜欢在有压力的情况下做事情。而现实社会却不是这样的,没有谁会一帆风顺,而看起来一帆风顺的人,也仅仅是因为他们解决问题的能力比一般人要强,所以他们被认为是顺利的。或者说,他们累计了解决问题的能力,从而能够使得很多事情顺利进行。书中讲述了很多作者遇到的案例。其实,我觉得这本书的核心就是教导人们要试着让自己的心智成长,而不是逃避现实,拒绝成长。学会直面痛苦,人才能够成长。而直面痛苦,是并不容易习得的本领。但却只有学会直面痛苦,或者直面问题,人才能不断成长。

14《暗时间》 | 刘未鹏 | 思维 (推荐)

读书笔记:
这本书是博客出版的。作者是IT是出身的,对于IT从业者诸多方面是比较有帮助的。作者是比较喜欢思考“思维”的一个人,他花了很多篇幅去讲人的思维和记忆的规律,有些描述比较专业化,容易感觉到枯燥(作者是数学系出身的)。刘未鹏的最广为人知的博客估计就是《你为什么要从现在开始写博客》。其实认真研读他的文章,发现他的人生履历极其简单,但写博客这个习惯,让他的思考能力逐步提升,成为了一个思想很有深度的人。当然,人家要写博客,这背后必然是高密度的学习,才能写出有价值的博客。但是一个人如果善于将自己所学分享出来,这种学习方式本身,就是非常高效的。在他的文章里也有提到这个观点,他认为讨论是最有效的学习方式之一。这一点,我个人也感受非常深刻。每个人都有自己的思维盲点,而与人讨论,则能迅速发现并纠正自己的思维盲点,吸取别人思维中的精华,优势互补。因此在学习一样东西时,尤其是有难度的东西,一定要找到属于自己的小伙伴,不能一个人埋头苦干。
另外一个收获,就是他的算法系列。我看得很投入。可能正好是因为我正好需要吧。我是一个非科班的安卓开发从业者,在算法功底上比较薄弱。坦诚来讲,学习算法比较吃力,有时甚至感到力不从心。而且,最为坑爹的是,即使默写好几遍的算法代码,还是会很快忘记。他提出要知其所以然。如果我们容易忘记某个一样东西,一定是某个点没有理解到位。我们容易忘记的地方,恰恰是因为我们没有理解充分,而容易忘记。 当然,另外一方面,我觉得还是应用,仅仅记住经典代码是不够的,就像数学掌握了公式,需要练习题目,英语掌握了单词,需要造句写作一样。因此,但学了一样东西之后,最后的检验方式就是立即去应用它。前几天我写了一篇快速排序的博客,我想我再也不会忘记快速排序了。而前天我刚好要做一个“中位数”的题目。原序列是无序的。我想,正好可以写一下快速排序的代码,但是写了之后,却始终有段错误。一直很纳闷,之前不是写过很多遍了吗?怎么还是会有问题。结果呢?有一个小细节我没有考虑到,而且我以前也没有这个意识。这使得我明白一点,理论的学习固然重要。但是仅仅沉浸在理论学习中,永远无法检验自己所学的知识。比学更重要的,是用。如果不具备用的意识,那连学习的必要性都没有了。

读书计划 NULL 博文链接:https://andrewstz.iteye.com/blog/2017363 立即下载

相关推荐

MS1826A HDMI 多功能视频处理器 HDMI4进1出画面分割芯片

基本介绍 MS1826A 是一款多功能视频处理器,包含 4 路独立 HDMI 音视频输入通道、1 路 HDMI 音视 频输出通道以及 1 路独立可配置为输入或者输出的 SPDIF、I2S 音频信号。支持 4 个独立的字库定 制型 OSD;可处理隔行和逐行视频或者图形输入信号;有四路独立视频播放引擎可支持视频多路 播放。该产品提供了高质量的视频输出,有解隔行输入、视频增强,以及帧率转换的处理能力。 功能特征 视频输入输出  四路独立 HDMI 输入通道  一路 HDMI 输出通道  最高支持 4K@3

qq_45645383的博客 1781

读书笔记-读书计划

随着年龄的增长,工作年限的增长,越发觉着自己需要补充更多的能量,补充更多的知识,在谈吐、在见识上能别具一格,心中的好奇心也不断指引着自己去探索人类历史各个阶段积累的思想精华,经济、心里、哲学、历史,心中有一个声音一直在说:“这辈子如果不能系统的了解这些人类积淀的文化思想,岂不是白白走这一遭”。  在此,在这个技术博客覆盖的空间里,我将开始记录自己的读书心得,严肃的开始我的读书之旅。   第一阶...

cjlion的专栏 749

第二十一篇: `man`, `tldr`, `explain` - 授人以渔的“终极指令”

我们已经一起学习了19个(组)关键命令,从nvidia-smi到kubectl。但这只是GPU运维武器库中的一小部分。技术日新月异,新的工具、新的参数会不断涌现。这个系列的真正目的,不仅是教会你使用这19件“兵器”,更是希望你掌握学习任何一件新兵器的方法论。这套方法论就是你的“终极指令”。授人以鱼不如授人以渔。至此,《GPU运维指令集:20个关键命令的战地手册》系列已全部完结。我们从nvidia-smi出发,一路探索了监控、诊断、容器、集群、网络、性能等各个维度的命令,最后用自动化脚本将它们串联,又用。

weixin_42587823的博客 1350

2015秋季个人阅读计划

2015秋季个人阅读计划 十月份计划: 十月十号晚六点发布《编写有效用例》第一篇阅读体会; 十月二十号晚六点发布《编写有效用例》第二篇阅读体会; 十月三十号晚六点发布《编写有效用例》第三篇阅读体会; 十一月份计划: 十一月十号晚六点发布《需求分析与系统设计》第一篇阅读体会; 十一月二十号晚六点发布《需求分析与系统设计》第二篇阅读体会; 十一月三十号晚六点发布《需求分析与系统设计》第...

weixin_30575309的博客 91

python 中心线提取_二值分析 | OpenCV + skimage如何提取中心线

点击上方蓝字关注我们微信公众号:OpenCV学堂关注获取更多计算机视觉与深度学习知识问题前几天有个人问了我一个问题,问题是这样的,他有如下的一张二值图像:怎么得到白色Blob中心线,他希望的效果如下:显然OpenCV中常见的轮廓分析无法获得上面的中心红色线段,本质上这个问题是如何提取二值对象的骨架,提取骨架的方法在OpenCV的扩展模块中,另外skimage包也支持图像的骨架提取。这里就...

weixin_42204453的博客 4290

中文实体关系抽取数据集大盘点:从百度Duie2.0到医疗CBLUE,哪个更适合你的NLP项目?

本文全面分析了中文实体关系抽取领域的主流数据集,包括百度DuIE 2.0、医疗CBLUE等,帮助开发者根据项目需求选择最适合的数据集。文章详细对比了各数据集的特点、适用场景及优化策略,为自然语言处理项目提供实用指南。

weixin_29284657的博客 121

2015年读书系统

LZ有一个不好的习惯,就是什么事情都喜欢做一个计划,当然不是说这样的习惯一定不好。因为LZ有点儿惰性,如果不做计划,就容易混!比如从过年结束后到现在LZ就没有怎么看过书了,哎。实属惭愧啊!!!同时LZ在上海出差期间与几个同仁、师兄聊了很多,自己也反思了许久!得到的结果就是:LZ去年技术提升太小了,这让LZ感觉到恐慌,真的!作为一个技术人员,一个以技术为本,靠技术吃饭的人,经历了一年,技术能力提升竟

chenssy 的技术博客 4855

从报错到成功:手把手教你避坑clusterProfiler安装全流程

本文详细解析了clusterProfiler安装过程中的常见报错及解决方案,从CRAN安装误区到Bioconductor拼写错误,再到依赖包安装失败等问题,提供了五步正确安装法。特别适合生物信息分析新手快速掌握R包安装技巧,避免踩坑。

weixin_30859423的博客 379

【推荐活动】2015产品经理读书计划

还记得上个月“我就是爱学习别让我停下来”的活动嘛。小咖出乎意料收到了许多爱学习的小伙伴的报名,大家的学习热情让小咖也感觉无比兴奋!so..为了更好的帮助大家学习,PMcaff2015读书...

pmcaff2008的博客 196

UM982上位机调试【精简版】

分享一些关于UM982卫导模块上位机调试的简快捷单小功能。

在线求职中... 1万+

西门子S7-200 SMART与施耐德ATV变频器Modbus通讯实战:从接线到稳定运行的完整指南

本文详细介绍了西门子S7-200 SMART PLC与施耐德ATV变频器之间实现稳定Modbus通讯的完整实战指南。内容涵盖从硬件接线、参数配置、PLC程序编写到触摸屏设计的全流程,并分享了提升通讯稳定性的关键技巧和常见故障排查方法,助力工业自动化系统可靠运行。

kkk56的博客 1106

2015计划

2015新年计划 不知不觉又来到了新的一年,以前也想过写新年计划,不过只是一个念头,从来没有真正认真思考,自己这一年到底要做些什么,总是等到事情来了才去做,这也是自己一个很大的毛病吧!只有目标,只想自己要什么,而没有具体的实施计划也是徒劳的,因此今年的计划书上会有具体的一些实施方案。       2015来了,而我只有半年的时间继续我的大学生活,马上就要毕业了,以前总觉得毕业很遥远,可是疏忽间

ForLearning 856

2025年最新自动化/控制保研夏令营&预推免面试真题分享(东南/浙大/华科清华)

笔者来2021级本科自动化专业,以下部分将介绍我在夏令营以及预推免期间发生经历和问题。

Control Everything 2646

2015年秋季个人阅读计划

10月阅读计划:《软件需求模式》 10月12日23:59前发表第一篇读书笔记。 10月22日23:59前发表第二篇读书笔记。 10月31日23:59前发表第三篇读书笔记。 11月阅读计划:需求模式——软件建模与分析 11月12日23:59前发表第一篇读书笔记。 11月22日23:59前发表第二篇读书笔记。 11月30日23:59前发表第三篇读书笔记。 12月阅读计划:软件...

divdyeu194047的博客 118

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

2015年阅读计划

昨天在facebook上看到扎克伯格在他个人主页上制定的2015年个人计划:每两周读一本新书。他还在facebook上建立了一个页面A Year of Books ,供大家讨论正在阅读的书籍的内容。        那正好我也follow他的阅读计划,每两周读一本书,这周要读的书是《The End of Power》中文版是《权利的终结》。每读完一本书再写个读后感。就像扎克伯格所说:“读书能给人深

512

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

2015年总结,2016年计划

今天是2016年元旦,是到了该总结的时候了,延续去年的总结,来总结下2015年的情况,展望下新的2016年。   1.      项目总结。   2015年所做的项目不多,可以用2-1-1-2来总结,两个原公司项目,一个新公司项目,一个游戏项目,一个O2O项目。 (1)      一个公众账号。 开发的第一个公众账号,从最初的公众账号的申请,到编码完成,到推广。使用语言是html,Jav

随缘,随心 2284

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

2015读书计划

2015希望自己能够多读一些有营养的书籍无论是技术性的还是非技术性的,以下是书单列表: 非技术性书籍: 《随遇而安》 《长尾理论》 《个性化商业的未来》 《暗时间》 《rework》 《卡内基沟通与人际关系--如何赢取友谊与影响他人》 《如何停止忧虑,开创人生》 技术性书籍: 《程序员的自我修养--链接、装载与库》 《像程序员一样思考》

惊鸿一瞥 407

2015年计划

每一年都应该为自己的每一年做一个计划,这样就给自己的这一年设定了目标。虽然在2014年初时为自己定下了减肥的计划,但是不近人意,自己的意志力太差。不知具体从什么时候开始感觉时间真的是飞快,时光如此匆匆流逝,如果每年都没有什么收获,感觉以后老了真的没有什么可以回忆的。值得欣慰的一点是,2014年自己工作上还有一点收获。不单是技术上,自己的想法也成熟了一些。2015年,具体要做哪些呢?我首先是想到了以

yangxuehui1990的专栏 597

2015年读书计划

2015年读书计划 ——读程序员必读书单有感 第一阶段 软件开发者路线图 程序设计实践 只有短短200余页,但它使用精炼的代码和简要的原则覆盖了程序设计的所有关键概念(包括编程风格,算法与数据结构,API设计,调试,测试,优化,移植,以及领域特定语言等概念) CLR via C#(第4版)/ .NET设计规范 调试九法——软硬件错误的排查之道 算法 JAVA 第二阶段...

virusnono的专栏 425

2015开篇

同志们大家好。。。    到了2015年一直比较忙。没有写过博客。。。。。对不住我博客上那么多粉丝了。今儿打算给我的2015 博客开篇!    进了2015年,主要博客打算更新一下专题。有这么几块想写写:    1、读书笔记专题,希望读一些书,把笔记写上。共同进步。    2、工作专题,把工作中接触到的技术,钻研一下,然后整理出来。    3、算法专题,继续整理一下算法。。。ps: 不知道我有生之

671coder的专栏 1931

2015读书计划及进度

1-3月已读完书籍: 《环球科学》2014年12月号 《环球科学》2014年11月号 《环球科学》2015年2月号 《硅谷百年史——伟大的科技创新与创业历程(1900-2013)》 《了不起的盖茨比》 《古诗十九首》 《科学松鼠会》2014年4月 《码农增刊Linus与Linux》1-3月在读书籍: 《英国语文(英文原版)》 《霍比特人》 《魔戒》三部曲 《我所理解的生活》

nomasp 2615
上一篇: 走出低效率的困境
下一篇: 聊聊视频分段下载的思路
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值