DreamSeeker_1314的博客

CPUCPU( Central Processing Unit, 中央处理器)就是机器的“大脑”，也是布局谋略、发号施令、控制行动的“总司令官”。CPU的结构主要包括运算器（ALU, Arithmetic and Logic Unit）、控制单元（CU, Control Unit）、寄存器（Register）、高速缓存器（Cache）和它们之间通讯的数据、控制及状态的总线。简单来说就是...

一. 密集连接层和卷积层的根本区别是Dense层从输入特征空间中学到的是全局模式(涉及所有像素的模式) 卷积层学到的局部模式，对图像来说学到的就是在输入图像的二维小窗口中发现的模式。二. 卷积神经网络具有以下2个有趣的性质 1.具有平移不变性(因为视觉世界从根本上具有平移不变性)。CNN在图像某个位置学到的模式，可以在图像任何其他位置识别这个模式，这使得CNN在处理图像时可...

一. 机器学习的四个分支1. 监督学习 (supervised learning) 给定一组样本（通常人工标注），它可以学会将输入数据映射到已知目标（也叫标注 annotation）。三种类型的机器学习问题：二分类问题、多分类问题和标量回归问题都是监督学习。比如：光学字符识别、语音识别、图像分类和语言翻译。 虽然监督学习主要包括分类和回归，但有更多的奇特变体...

深度学习（deep learning）是机器学习的众多分支之一。它的模型是一长串的几何函数，各个都作用在数据上。这些运算组组成了模块叫做层。DL模型通常都是层的堆叠，也可以说是层组成的图。这些层由权重（weight）来参数化，权重是训练过程中需要学习的参数。模型的知识（knowledge）保存在它的权重中，学习的过程就是为这些权重找到正确的值。在深度学习中，...

用于处理序列的2种基本的深度学习算法分别是循环神经网络RNN (recurrent neural network) 和一维卷积神经网络(1D convnet)。这些算法的应用包括:文档分类和时间序列分类，比如识别文章的主题或书的作者; 时间序列对比，比如估测两个文档或两支股票行情的相关程度; 序列到序列的学习，比如将英语翻译成法语; 情感分析，比如将推文或电影评论的情感划...

Sequential模型假设网络只有一个输入和一个输出，而且网络是层的线性堆叠。既有元数据，文本描述还有图像，如何才能同时使用这三种数据呢？？？一种朴素的做法：训练三个独立的模型，然后对三者的预测做加权平均。但是此方法会存在模型提取的信息可能存在冗余。更好的方法是使用一个可以同时查看所有可用的输入模态的模型，从而联合学习一个更加精确的数据模型。其多输入模型如下：同样，有些任务需...

RNN已经被成功应用于音乐生成，对话生成，图像生成，语音合成和分子设计，甚至还可以用于制作电影剧本。如何生成序列数据？使用前面的标记作为输入训练一个网络（通常是RNN或CNN）来预测序列中接下来的一个或多个标记。这个过程涉及名词：标记、潜在空间、采样、条件数据、soft Max模型等～～～～～～～～～～～采样策略的重要性～～～～～～～～～～～～～贪婪采样（g...