exsolar_521的博客

本文内容参考 机器学习相关的概率论和信息论基础知识概率论 是很多机器学习的算法的构建模型的基础，信息论 可以描述随机事件的信息量也可以计算两种概率分布的差异。@机器学习有关的概率论和信息论基础概率论概率；随机事件；随机变量；1.某次试验具有偶然性；相同条件下的大量重复实验具有规律性。2.一个随机试验的可能结果（称为基本事件）的全体组成一个基本空间Ω。随机变量X是定义在基本空间Ω上的取值为实数的函数，即基本空间Ω中每一个点，也就是每个基本事件都有实轴上的点与之对应。概率质量函数；概率密度函数；

1.深度学习会议（1） 国际表示学习会议（International Conference on Learning Representations，ICLR）：主要聚焦于深度学习．（2） 神经信息处理系统年会（Annual Conference on Neural Information Processing Systems，NeurIPS）：交叉学科会议，但偏重于机器学习．主要包括神经信息处理、统计方法、学习理论以及应用等．（3） 国际机器学习会议（International Conference

**常用的深度学习框架**支持自动梯度计算，无缝CPU和GPU切换功能。比较有代表性的框架包括：Theano、Caffe、TensorFlow、Pytorch、飞桨（PaddlePaddle）、Chainer和MXNet等．（1） Theano2：由蒙特利尔大学的 Python 工具包， 用来高效地定义、优化和计算张量数据的数学表达式．Theano 可以透明地使用 GPU 和高效的符号微分Theano 项目目前已停止维护．（2） Caffe3：由加州大学伯克利分校开发的针对卷积神经网络的计算框架，