<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[dn_mug的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/dn_mug</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; dn_mug]]></copyright><item><title><![CDATA[MXNet学习8——自己写operator实现Logistic Regression]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/71434385</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/71434385</guid><author>dn_mug</author><pubDate>Mon, 08 May 2017 20:36:04 +0800</pubDate><description><![CDATA[概要上一篇博客介绍了Logistic Regression，其中最主要的symbol是官方已经实现好的例子，不知道细节是怎么样的，而且结果看着十分奇怪，所以打算自己实现一个，参考官方的例子，How to Create New Operators (Layers) 。官方的教程太少且太简单，不去看底层C++很难弄懂，但去看C++源码更难受，好在踩了很多坑后，终于是勉强实现了，其中还有些细节，以后慢慢琢]]></description><category></category></item><item><title><![CDATA[MXNet学习7——Logistic Regression]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/71374503</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/71374503</guid><author>dn_mug</author><pubDate>Sun, 07 May 2017 21:37:48 +0800</pubDate><description><![CDATA[概要之前介绍了Linear Regression，其实也是官方教程的代码，这里对照着原有的线性回归实现 Logistic Regression]]></description><category></category></item><item><title><![CDATA[numpy.unravel_index 说明]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/70256109</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/70256109</guid><author>dn_mug</author><pubDate>Thu, 20 Apr 2017 10:59:44 +0800</pubDate><description><![CDATA[对numpy.unravel_index 的使用说明]]></description><category></category></item><item><title><![CDATA[理解word2vec的训练过程]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/69852740</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/69852740</guid><author>dn_mug</author><pubDate>Sun, 09 Apr 2017 17:29:39 +0800</pubDate><description><![CDATA[生成词向量是自然语言处理中的基本过程，此前对此只知道使用但是一直不知道其原理。
最近补补课，仔细学习了wordvec，上网查资料的时候发现很多博客资料上讲到的主要是理论，不好全面理解；而对于介绍应用的文章又偏重于某个工具的使用而不是训练的细节，所以特别参考了Tensorflow上的实现写下本篇文章，以防忘记。其中Tensorflow实现word2vec请点击这里]]></description><category></category></item><item><title><![CDATA[MXNet学习6——Linear Regression]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/62055480</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/62055480</guid><author>dn_mug</author><pubDate>Tue, 14 Mar 2017 20:53:22 +0800</pubDate><description><![CDATA[概要前面的文章介绍了MXNet的基础知识，类似于语法知识，这一节介绍MXNet使用机器学习的一个基本模型–线性回归。线性回归内部的具体实现不会涉及，我们是在上层使用，而MXNet这类的深度学习框架意义就在这里。]]></description><category></category></item><item><title><![CDATA[MXNet学习5——Data Parallelism with Multi-devices]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/61415636</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/61415636</guid><author>dn_mug</author><pubDate>Sat, 11 Mar 2017 13:20:44 +0800</pubDate><description><![CDATA[概要上一篇文章讲到Mixed Programing，主要描述了混合Symbol和NDArray从头搭建网络并训练，这一篇紧接上文介绍MXNet中如何设计程序并行训练。官方代码请看这里正文MXNet是可以自动将计算并行化的，如果有多个设备可用。这使得在MXNet上开发并行程序与跟串行程序一样简单。]]></description><category></category></item><item><title><![CDATA[MXNet学习4——Mixed Programing]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/61206790</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/61206790</guid><author>dn_mug</author><pubDate>Fri, 10 Mar 2017 20:38:28 +0800</pubDate><description><![CDATA[概要前面的文章中讲到了Symbol和NDArray，介绍了如何从零开始训练神经网络。这种混杂风是MXNet相较与其他深度学习框架的不同的地方，值得一提的是MXNet名字中的”MX”同样也蕴含着混合(mixed)的意思。]]></description><category></category></item><item><title><![CDATA[MXNet学习3——Symbol]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/60880097</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/60880097</guid><author>dn_mug</author><pubDate>Wed, 08 Mar 2017 19:37:50 +0800</pubDate><description><![CDATA[概要本节介绍MXNet中的Symbol（模块）。Symbol是MXNet中另一个重要的概念，可以通过 mxnet.symbol 或者 mxnet.sym 使用。一个symbol表示一个具有多输出的符号表达式，表达式由多个运算组成，运算可以是简单的矩阵和(“+”)，也可以是一个神经网络层（比如卷积层）。一个运算可以有多个输入，产生一个或多个输出，同时也可以由隐变量。变量可以是一个等待绑定参数值的自由符]]></description><category></category></item><item><title><![CDATA[MXNet学习2——Module]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/60780508</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/60780508</guid><author>dn_mug</author><pubDate>Tue, 07 Mar 2017 21:42:23 +0800</pubDate><description><![CDATA[概要本节介绍MXNet中一个重要的概念，Module（模块），涉及到的内容包括简单的神经网络，模型的构造，参数的训练以及更新，模型预测等。通过本节大概了解Module中一些重要的属性和方法，对于MXNet的机制有初步的了解，需要注意的是本节代码跳过了官方tutorial中存储部分，有些说明部分没有摘录，感兴趣请参考官方的教程]]></description><category></category></item><item><title><![CDATA[MXNet学习1——数据模拟]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/60757155</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/60757155</guid><author>dn_mug</author><pubDate>Tue, 07 Mar 2017 11:27:15 +0800</pubDate><description><![CDATA[MXNet学习系列之一，小白的学习历程，以官方代码为例子，尽可能通俗的语言进行解释，欢迎拍砖讨论]]></description><category></category></item><item><title><![CDATA[Centos7下joshua6.0.5完整的安装过程]]></title><link>https://blog.youkuaiyun.com/dn_mug/article/details/60478926</link><guid>https://blog.youkuaiyun.com/dn_mug/article/details/60478926</guid><author>dn_mug</author><pubDate>Sun, 05 Mar 2017 21:49:18 +0800</pubDate><description><![CDATA[Centos7下joshua6.0.5的安装]]></description><category></category></item></channel></rss>