mljsuc的专栏

概述：训练机器学习系统时，一个一般的假设是它每次的输入的分布是稳定的。如果不满足这个假设，就是covariate shift，这个通常通过domian adaption解决。在训练一个复杂的机器学习系统时，同样要求这个sub-network对应的输入（activation）分布（distribution）是稳定的，如果不满足这个假设，就是本文提出的internal covariate shift（...

1、全连接神经网络到卷积神经网络（CNN） 对于全连接神经网络而言，分析数字图像一来参数较多，二来没有很好地考虑到像素与像素之间的位置关系，并且由于梯度传递的限制导致网络的层数难以增加。因而人们更多的是采用卷积神经网络（CNN）来对图像进行分析与处理。 CNN采用不断卷积池化的结构来搭建网络，其中卷积代替了全连接层的特征提取的作用，利用卷积能够利用局部信息的特性...

准确性(Accuracy): 对所有样本分类正确的比率，与错误率之和为1.查准率/精确率(Precision): 挑出来的好西瓜,有多少是真好.查全率/召回率(Recall) : 真正的好西瓜有多少被挑出来.二者的矛盾："准"，好的肯定比坏的比例高，只预测一个，100%比例几率最大了，这时就不“全”了，还有很多好的都当成坏的扔掉。 "全"，全部预测成...