zz_Rebas的博客

参考链接： https://blog.youkuaiyun.com/qq_39422642/article/details/78676567 https://www.cnblogs.com/charlotte77/p/7759802.html https://blog.youkuaiyun.com/weixin_42111770/article/details/80900575 相比于机器学习： 神经网络不需要做特征工程，特征提取高效 数据格式的简易性 参数数目少 输出特征图尺寸=（输入尺寸-卷积核尺寸）/步长+1 out_s

LSTM: 参考链接1 参考链接2

python3实现以下算法 #将一个数的质因数打印出来 a=100 i=2 print('%d='%a,end='') while i<=a: if a%i==0: if a!=i: print('%d * '%i,end='') else: print('%d'%i) a=a//i else: i+=1 100=2 * 2 * 5 * 5 #冒泡排序 a=[22,44,3,5,66,1,7,52] b=

环境：Linux，Ubuntu16.04 下载GitHub资源 git clone https://github.com/mravanelli/SincNet 下载TIMIT数据集 可从官网下载，也可从我的网盘下载。 提取码：g9ax TIMIT数据集介绍资料link 1. 把TIMIT数据集做一个标准化处理 在SincNet路径下执行： python3 TIMIT_preparation.py...

参考链接：https://machinelearningmastery.com/dropout-regularization-deep-learning-models-keras/