我的大学

软件工程保研浙江大学、南京大学、同济大学、中山大学经验分享 一、个人基本情况 学校:某末流985 专业:信息管理与信息系统 排名:1 平均成绩:91.23 科研与比赛:一个国家级大创,互联网+国家级银奖,一篇论文(未发表),还有一堆没用什么用的水奖 二、保研经验分享 1.中山大学数据科学与计算机学院 我参加的是中山大学的夏令营,最后的结果是考核合格(拟录取)。由于疫情原因,所以这次让我们做了一个进行自我介绍的PPT,面试时间总共为20分钟,有8—10分钟的时间进行PPT自述(中文),讲解完后老师会用英文提问,当时问我的问题是:介绍你最喜欢的城市、介绍 阅读详情

                       我的大学生活

              几年前考入SCUT,开始背井离乡的大学生活,初来羊城,觉得生活上很不习惯,有些人会觉得都市的一切让人兴奋, 但我这个人看事情有点淡,一般反应总是:不过如此嘛,那又怎么样? 我的大学是在每天体重减轻一斤的不适应中开始的.

               情感与变迁.........          

              上大学好几年了,除第一年外,后面的几年都没怎么去上课,考试但求过关,不求八九十,呵呵,与中学时期不一样啦. 其实,不一样的又何止是不上课呢? 我的成长,甚至可以说是从大学开始的,以与前女友分手开始,至今不止. 前女友说至少等我四年,可四个月之后她对我说: 你一点也不懂得关心我,我现在不知道自己是喜欢你还是喜欢另一个人了. 当时我的感觉很坏: 靠,四个月只是四年的 1/12  而已嘛.  从那以后,至少对于女生, 我再也不会以貌取人了. 她看起来根本不像一个会背叛我的人, 只是看上去很浅薄而已. 唉, 当你喜欢一个人的时候, 即使你是一个什么都讲究前因后果的数学家, 也会做出一些没有理由的事情.  我有什么不好,我愿意改, 可她的做法是我不能接受的,至少当年的我不能接受吧.  后来,就觉得感情是个让人捉摸不定, 不可靠的东西了, 开始有意疏远以前的一些人和事, 包括一些很要好的朋友.  能有一两个好朋友是件很难得的事, 能找一份让人满意的感情, 则更像中足彩一样稀罕了, 但过多的感情显得很累赘, 应该有所抛弃.    当时还发生了很多其他不顺利的事, 比如成绩不理想, 穷到快要没饭吃.....总之那是我人生最阴暗最痛苦的一段时光,我一个人承受了那段日子, 也使得我的性格开始真正坚强, 可能我以后都不会有比那更困难的经历了. 作为一个人,他应该承受的痛苦我在自己的前二十年就尝试了大部分.  生活不是一场电影, 电影里的人为财死鸟为食亡的情节不是假的, 真实生活中,往往有过之而无不及! 程序员心中的神, 比尔盖茨说: 人们应该知道, 看完了电影就得去上班.  比如人一生下来就是不公平的, 我觉得,人生的不公平, 在我们出生之前就决定了, 当那两个细胞的成功结合, 它们的漫漫长路的大部分就早已确定. 我应该属于自己改变了那条路的少数人, 从这点讲, 也许我比一般人幸运. 可能有人会说:只有弱者才会抱怨现实的不公平! 那么我要说, 虽然我算不上强者, 但我没有抱怨, 我只是发现的事实而已, 人应该用勇气承认事实.

               给我上<<软件工程>>课的老师叫李冬,说话轻声细语的一位副教授.  应该也是很有开发经验的一位工程师吧.他说:大学的同学才是最重要的,一方面大学的同学尤其是SCUT这种,往往比较有前途,朋友多了路好走; 另一方面,大学可以让一个人真正长大,学会做人,大学生活能给人留下深刻的印象.这话对我来说, 很对. 如今,小学初中同学自不必说,大都已经成家了(立业的比较少,没到时候,或者没那能力), 高中时期有不少朋友的,但事过境迁,也都淡了. 如今真正觉得是朋友的人, 不超过五个, 而且, 对于友情, 也应该看开点, 因为今天的朋友很可能就是明天的陌路人. 有意思的是,很多以前的同学都面临找工作了,我会时不时收到短信,内容大致是:我是你的高中同学***,某月某日来广州找工作,你来火车站接我啊.  我一般会仔细想一想,才能想起这个***是哪个***, 呵呵.

           我这个人.......

我是个看起来对什么都不认真的人,但事实上我是个对人对事很负责任的人.  人们都抱怨别人不理解自己, 我不抱怨, 不过确实没人理解我, 大多数的人连自己都不了解自己, 别人就更不用说了. 没人知道我有时也会为一点小事不开心半天, 甚至没人相信我爱看迪斯尼的动画片(非日本的). 当然,男人嘛, 没有人理解自己也是件好事,省得婆婆妈妈.  我常常喜欢用玩笑的方法或语气来处理一些比较严肃的事情, 很少给人危机感与压力感. 我喜欢豪爽的人, 一般要会说粗口会谈女人,但有一点,就是不能骂娘, 我不怎么会跟女人说话,所以直到现在仍然单身一人,而且还是CN呢,汗....估计与我一起长大的人, 就剩我一个了吧, 有个高中时最好的兄弟, 都说要写一本关于Sex的书了, 我还不知为何物呢.

             别人说我讲义气,什么什么的, 而我对自己的评价就是: 稳定. 我能够对一件自己喜欢事情长期保持兴趣; 随和,有时候与别人争论, 最后宁愿自己吃亏也不愿场面尴尬. 所以说, 不说话并不表示认同.

              编程与技能.................

             来优快云快一年了,我是很感激优快云的,当时是因要做一个数据结构的课程设计, 我那时根本不知道怎么把代码变成一个看得见的程序. 来优快云问了不少问题,终于把课程设计做好了,做得比一般同学都好一些. 时光匆匆, 这半年多我几乎天天在学写程序,东一榔头西一棒槌, 标准C++,MFC, OGL/DX. WIN32 API  网络,数据库, PHP, COM ..... 时间苦短, 有些连浅尝辙止都谈不上. 有时候真不知道Should I know something about ererything or ererything about something. 唉,路漫漫其修远哦. 有时候见一些已经在职的程序员追着问我:大哥,这个东西怎么弄? 心里又有了几分自信, 尤其是武汉大学的一个毕业生,拿着一段从网上拷来的代码说调试了好久都没一点头绪,让"大哥"我帮他看看, 结果我一打开VC,发现原理这老兄竟然连注释都不会,"//"让他少了个斜杠, 想想都好笑. 至少这家伙比我还菜吧?

             虽然我很菜,但已经完全是一个技术吹捧者(吹捧两字并无语义错误). 我会不管你的出身, 学历, 身份,只要你编程厉害你就是我的榜样. 当然, 人品也很重要, 什么都可以坏, 良心不能坏.

              理想...............

             有一个小学的同学,她总在QQ里问我:大坏蛋, 毕业之后想干什么呀?  以前你说过要当县长的哦.  这Y头算是唤回了我童年的一些记忆,然而,童年而已, 人的理想是不停地变动的, 人们说:要矢志不渝地***,要坚定理想与信念. 我觉得这话有点不对,如果听的人是一个不懂变通的人, 那将是有害的,毛泽东也不可能一开始就立志做主席的吧?已经成功的人强调理想,尚未成功的人强调奋斗,而生活潦倒的人,挣钱生活才是硬道理!

            现在的我, 有点鄙视公务员这个职业了, 觉得那是世界上最好吃懒做的一群人, 如果按电影<<七宗罪>>来衡量, 那至少九成的基层公务都可以拉去打耙了, 几乎可以这么说, 你很难找出一个从来没干过坏事的人! 所以说公务员这种职业实在不适合作为一个年轻人的理想.  也许是因为一些与生俱来的原因吧, 我没有什么背景可言, 一切都必须靠自己的努力去得到, 因此不喜欢那些不劳而获并且贪婪的人.

            那我当前的理想是什么呢? 有时也觉得迷茫, 虽然这是我不愿意承认的一点. 提高技术,拿一万的月薪,买中档的别克轿车,载着我妈去兜风?Maybe.

             另起一行.................

            我觉得,是男人就应该潇洒地奋斗! 就算不成功也不能一事无成. 做人就是以成败论论英雄的, 不难难道比酒量?

           我的大学在我的开心,我的痛苦,我的欢乐,我的悲伤,我的颓废,我的努力中慢慢完结,朋友们又要各奔东西,又要生疏,其中大部分会变成陌路人,我又会有自己新的生活圈子,新的朋友,同事.       我like this,因为我向往另一种生活.........

                                                              

 ....................谨以此纪念我即将完结的大学和近二十年的学生生涯........

                    THE END.

大学 University 一、39所985大学 排名 名称 所在地 生源质量分 办学性质 1 清华大学 北京 100 985 2 北京大学 北京 96.4 985 3 中国科学技术大学 安徽 92.1 985 4 复旦大学 上海 91.5 985 5 中国人民大学 北京 90.8 985 6 上海交通大学 上海 90.5 985 7 阅读详情

相关推荐

南京大学与东南大学的计算机,南京大学和东南大学对比分析报告

原标题:南京大学和东南大学对比分析报告作者:荣蓉来自:最好大学网()微信号:zuihaodaxue(定期发布原创文章,欢迎关注)南京大学和东南大学在“中国最好大学排名”(2015年)中分别位列综合排名的第7名和第9名,综合得分分别为64.0和60.6,在中国大学中处于相对领先的地位。它们在“人才培养”、“科学研究”和“服务社会”方面的具体得分情况如表1所示。 人才培养指标南京大学和东南大学在人才培...

weixin_32522079的博客 1636

你是去上大学,别让大学上了你

转载自微信公众号“咪蒙” “请你别在宿舍学习,影响室友玩。” 大学开学一个多月了,是不是有种强烈的上当的感觉?高中的时候,老师都给我们画大饼:现在辛苦两个月,上了大学就可以随便玩了;现在别搞什么早恋,进了大学你们想怎么谈怎么谈……那时候,总以为大学是《歌舞青春》那种活力四射、骄奢淫逸的感觉。哦漏。大学根本没有那么美好,食堂的饭很难吃,室友很难相处,人生地不熟,无依无靠。以前高中只要好好学习就行,...

流月的博客 2497

海康威视国内版监控设备改英文界面难题:原因解析与解决方案

跨境安防设备部署中,国内采购的海康威视监控设备常因仅支持中文界面导致海外用户无法操作。本文剖析了该问题的核心原因:海康威视对国内版和海外版设备实行区域锁定策略,国内版固件仅内置中文且无法通过常规方式切换语言。针对此问题,文章提供了三种解决方案:1)官方合规的海外版固件更换;2)低成本的操作界面翻译与远程协助;3)长期更换海外版设备的彻底解决方案。同时给出了跨境采购的注意事项,强调应提前确认设备版本、拒绝非官方改造并预留适配时间。

海康威视技术支持 3952

新疆大学和云南大学计算机,安徽大学、新疆大学、云南大学、河北工业大学四所大学哪个更好?...

安徽大学、新疆大学、云南大学、河北工业大学四所大学哪个更好?以上四所大学都是大学,但是我们知道即使都是大学也是有的差距的,每个学校的情况都是有差异的。那么在我们只能够选择大学的时候应该怎么选择呢?从哪些方面来考虑大学是较好的选择?尤其是对于学生以后的发展来说哪一点是较重要的。当然了这里说的是普遍情况,毕竟每个人的具体的情况也是不同的。以下就是秦学教育小编给大家整理的具体的内容:安徽大学、新疆大学、...

weixin_33736210的博客 2197

接地设计的本质:按电流类型选择物理连接方式

接地是电子系统中实现电位参考、噪声抑制与安全保护的基础技术,其核心原理在于为不同性质的电流提供可控的低阻抗返回路径。从直流到GHz频段,电流的频率特性、能量等级和持续时间决定了接地的物理实现方式——工频安全电流依赖低电阻导体,高频噪声需低感平面或磁珠衰减,ESD脉冲要求受控泄放电阻,浪涌能量则必须通过独立短路径导入大地。这种‘目的决定方式’的设计逻辑,直接关联EMC合规性、信号完整性与系统可靠性。本文聚焦PCB级与设备级工程实践,详解安全地、功能地、浪涌地与静电地的判据差异及六种典型连接策略,帮助硬件工程师

weixin_36369848的博客 259

STM32N6实战:FSBL引导XIP运行ThreadX与NetX Duo

在嵌入式系统开发中,程序的存储与执行方式直接影响启动速度和系统实时性。传统MCU常将代码拷贝到内存运行,而高主频处理器则可通过XIP(片外Flash原地执行)技术直接从外部存储取指,省去拷贝过程。但XIP的前提是外部存储器控制器需在上电后第一时间完成初始化,这正是FSBL(第一级引导程序)的核心职责。FSBL负责配置时钟与外部Flash,并将控制权移交给应用。而要让设备具备实时调度与网络能力,可搭配ThreadX实时内核和NetX Duo双协议栈,两者在CubeMX中原生集成,形成一套高性能MCU+外部存储

weixin_29191669的博客 319

华为“最青睐”的10所大学,有你的大学么?

华为公司作为中国唯一一家进入世界500强的民营企业,其实力被国人广泛认可。不少大学生也把华为作为毕业后的目标公司而加以努力。当然,作为中国乃至世界通讯企业巨头,华为也有自己的骄傲,招聘只会去一些名牌高校。下面小编将为大家简单介绍下华为招聘最青睐的十所大学。 第1位:西安电子科技大学 西安电子科技大学为教育部直属,全国重点大学,属211类重点建设高校,入选国家“双一流”,学...

lin000001的博客 2万+

Fluent 中多相流模型全面解析

3.颗粒或液滴在连续相中的运动:若关注颗粒或液滴在连续相中的运动轨迹、分布规律以及与连续相的相互作用,如喷雾干燥、气力输送等过程,Eulerian-Lagrangian 模型则是最佳选择。Eulerian-Eulerian 模型可以准确模拟气体在固体颗粒中的流动情况,包括颗粒的流化状态、气体与颗粒之间的传热传质过程,为气固流化床的优化设计和操作提供依据。通过该模型,可以了解混合器内不同位置的混合程度、颗粒的运动轨迹以及液固相间的相互作用,从而改进混合器的结构和操作条件,提高混合效率。

khhdp的博客 3086

双一流大学和985大学、211大学有什么区别

985大学是中国高等教育中的最高荣誉之一,指的是教育部在1998年发起的“211工程”之后,于2000年启动的“985工程”,该计划的目标是通过投入大量的资金和资源,来建设一批具有世界一流水平的高水平大学和重点学科。七、最后,随着中国高等教育领域的不断发展和进步,我们相信985大学、211大学和双一流大学这些概念也会不断变化和演进,同时,中国高校的建设和发展也需要逐步转向注重高质量的人才培养、科学研究和社会服务,让中国高等教育更加服务于国家和社会的发展,为人民群众的美好生活作出更大的贡献。

u012655560的博客 2217

AISBench benchmark评测工具实操-精度评测场景-采用命令行指定模型和数据集的方式

搭建AISBench benchmark测试环境,包括创建conda环境、安装AISBench benchmark、处理ceval数据集,并修改相关配置文件以适配测试需求。最终,通过启动精度测评,验证了模型在指定环境下的性能。

m0_50105717的博客 2041

基于知识图谱的农作物病虫害问答系统设计与实现

基于规则的问题分类是自问答系统诞生以来就一直存在的方式,主要代表就是众多的专家系统,构建专家系统采用的是规则分类器,优点是能够对特定领域、特征明显的问题进行高效精准问答,但是。,在问答系统中,问题以语音及文本字符等自然语言形式输入,利用问答系统的内部的逻辑处理模块,通过自然语言处理技术获得输入问句的详细语义信息,再经过知识检索、置信分析等步骤,自然语言处理中,用于文本分类任务的机器学习方式有两种,一种用传统的机器学习,如 NBC、SVM 等,另一种采用深度学习,如 CNN 和 RNN 等。

全网粉丝30W+,优快云、稀土掘金人工智能领域签约作者,人工智能、大模型、Python 爬虫,商务合作,请私信沟通。 2166

如何选择未来的大学

如何选择未来的大学? 我们分为四部来走,先思考探索自己,再看看行业情况,然后确定城市和大学。一步步来,一步步讲解。

Edwin Lee的博客 6362

基于Matlab使用雷达资源管理有效跟踪多个机动目标仿真(附源码)

多功能雷达可以搜索目标,确认新轨道,并重新访问轨道以更新状态。为了执行这些功能,多功能雷达通常由资源管理器管理,该资源管理器创建用于搜索、确认和跟踪的雷达任务。这些任务是根据优先级和时间安排的,因此,在每个时间步长中,多功能雷达都可以将其波束指向所需的方向。在此示例中,对于用于跟踪机动目标的雷达,有两个相互冲突的要求:目标的数量及其初始位置通常事先不知道。因此,雷达必须不断搜索感兴趣的区域才能找到目标。此外,雷达需要在进入雷达覆盖区域后立即检测并建立对每个目标的跟踪。目标机动的时间段事先是未知的。

珞瑜的博客 3145

1.2 说说大学这滩泥淖——《逆袭大学》连载

返回到【全文目录】 目录 1.2 说说大学这滩泥淖 大学如泥淖 大学之“大”中的纠结 1.2 说说大学这滩泥淖 泥淖,字典中的释义是:①泥泞的低洼地,也指烂泥、泥坑。②比喻艰难而不易摆脱的困境。 和泥淖相关的词条中,我注意到了还有沼泽和湿地。沼泽,是低洼积水、杂草丛生的大片泥淖区。具体讲,沼泽是地表过湿或有薄层常年或季节性积水,土壤水分几乎达到饱和,生长有喜湿性和喜水性沼生植物的地段...

迂者-贺利坚的专栏 4797

【Word提效 No.010】使用AI一键复制格式刷应用格式

本文介绍利用AI工具WorkBuddy实现Word文档格式批量复制的自动化解决方案。通过简单指令即可将指定段落的格式一键应用到多个目标段落,解决传统格式刷操作繁琐、易出错的问题。方案包含三步操作:准备文档、输入指令模板、验收效果,并提供多种场景的现成指令示例。该工具支持字体、段落等格式属性的批量复制,且不会覆盖原文件,适用于论文、手册等文档的格式统一需求。

u011186532的专栏 77

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。

东北大学和西南大学计算机,东北大学、东南大学、中南大学、西南大学、西北大学,哪个最好?...

东北大学、东南大学、中南大学、西南大学、西北大学,这五所学校都是在以纯方位词命名的大学,还有一个以纯方位词命名的中北大学,水平比这五所差了好多。他们有共同的高校圈子,也不同的高校圈子。共同的圈子,这五所都是211工程大学;不同的圈子,有3所是985工程大学,其中2所是双一流建设A类院校:东南大学、中南大学,1所是双一流建设B类院校:东北大学。从学校所在的圈子来看,最好的学校应该在双一流A类中产生。...

weixin_39892615的博客 1206

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

美国的大学

先看一下美国50个州的分布: 以下是各州基本情况:    名称 简称 州行政中心 州最大城市 亚拉巴马 AL 蒙哥马利 伯明翰 阿拉斯加 AK 朱诺 安克雷奇 亚利桑那 AZ 菲尼克斯(凤凰城) 菲尼克斯(凤凰城) 阿肯色 AR 小石城 小石城 加利福尼亚 CA 萨克拉门托 洛杉矶

小神 3万+

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")

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

各大学BBS

  北京返回顶部 ▲      北京大学北京大学就业信息网 北京未名 *   清华大学清华大学就业中心 水木清华Career版  中国人民大学 中国人民大学就业指导中心 天地人大Job版  北京科技大学北京科技大学就业服务系统幻想空间Job版  首都师范大学首都师范大学就业之路首都师大论坛   北京师范大学北京师范大学就业信息网木铎校园论坛   北京语言大学北京语言大学就业网 *     北方工业

想做什么 6602

厦门大学和福州大学计算机专业哪个好,福建最好的5所大学,除了厦门大学,你还知道哪所大学?...

导语:说起福建,大家都会想起鼓浪屿,而鼓浪屿是由一所伟大的大学而知名的,这所大学就是厦门大学,除了厦门大学之外,福建还有什么大学,你还知道哪些大学?在校友会最新排名中,福建最好的五所大学就是厦门大学、福州大学、福建农林大学、福建师范大学、华侨大学。其中厦门大学和福州大学是全国前100强的高校,厦门大学也是被誉为“南方之强”。这几所大学的实力差距是比较大的,比如厦门大学和华侨大学差了几个等次,但跟偶...

weixin_34540951的博客 1591

我的大学三年

时光匆匆,岁月任然。三年的时光就这样在青春的回忆中渐行渐远…

九岁ya的博客 2639

苏州大学与东华大学计算机哪个好,选哪所大学好?东华大学和苏州大学对比

导读:想知道东华大学和苏州大学哪所大学好?如何选择211大学呢?目前苏州大学排名70位,东华大学排名78位,招生考试网小编认为,大学选择不单需要考虑大学排名,还需要多角度考虑,如211大学本身优势及个人兴趣特点。每所大学都有自身优势,选择大学在于选择最合适自己的大学。本文通过对比苏州大学和东华大学的国内及省内排名、大学类型、大学层次、优势专业、大学学费等多维度分析东华大学和苏州大学的优势,希望给正...

weixin_34900419的博客 2541

玩转大学——大学新生入学告诫

铁打的营盘流水的兵。一年一度的新生入学季,又要到了。   如何尽快适应大学校园的学习和生活,如何让自己为期4年的大学生活过得精彩、没有遗憾,这是每位新生都十分关注的问题。   “大学是用来珍惜的,不是用来惋惜的。”赶在正式开学前,不妨来倾听一下常年出没在高校的各类“大牛”级人物对新生的入学告诫吧。   我的大学我做主,我的未来我做主   叶志明   暑假即将过去,对于刚刚获得大学入学

kobe_qiqi的专栏 2716

名著赏读 | 大学为何与何为?读《现代大学论——美英德大学研究》

亚伯拉罕·弗莱克斯纳所作《现代大学论——美英德大学研究》是体现其高等教育思想的代表作。20世纪30年代,弗莱克斯纳在对美国、英国、德国大学进行广泛而深入的考察和了解后,分别对三国大学的优...

fire2341的博客 1433

大学四年感悟

时光荏苒,青春行走在时光的河岸,渐行渐远。初夏又至,七月的脚步越来越近,转眼四年的大学生活即将结束,又要开始新的征程。在那里,我度过了人生青春纯真的四年,忘怀的四年,这将成为我人生完美的回忆。大学,是一个自由的空间,也是成就与毁灭同在,上进与堕落并存的场所,刚入校的自我还是个不谙世事的懵懂少年,现如今已经改变了许多,变得坚强自信。记得我踏入校园里的第一刻,心里感到一阵阵的失落,想想自我将在那里度过...

qq_31897241的博客 4047

进入大学的感想

进入大学,我们需要怎么做?学号16340055 学院 软件工程前言这是我的第一篇博客,也是我的作业。。。本来好像说要写技术贴,但想一想我一个小白也写不出什么技术贴,还是写一点鸡汤类的文章好了。而且我也是刚上大学,这篇博客也不算是什么建议,更多的还是算是给自己和同级同学的一点提醒吧。定好目标大学不同于高三。高三更多的为了努力地在高考时取得好成绩,考上一所好大学,但到了大学,高考已经过去,我们似乎少了

sinat_36326873的博客 4175

大学究竟给我们带来了什么

现在独立思考的人越来越少了,报纸和网站上已经有太多现成的观点,所以大家都习惯于附和。为什么?因为思考是件太累的事情,想想还要上课、还要考试、还要考四六级,脑细胞都消耗不知多少了,还有闲心自己去想一些事情?所以啊,有人说了李开复是精神教父,大家就说是啊是啊,他的话真是句句是真金啊。所以啊,后来有人说李开复误导了中国那么多的大学生,大家也说是啊是啊,他的话真是害人不浅啊。所以啊,大

bbisonic的专栏 2385
上一篇: 两道面试题
下一篇: 浅析C++中的 new 与 delete 操作
biblereader
博客等级 码龄20年 11粉丝 18原创
评论 1
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