Xiaoyu Mo

当样本具有稀疏表达形式时，对学习任务来说会有不少好处。例如线性支持向量机之所以能在文本数据上有很好的性能，恰是由于文本数据在使用字频表述后具有高度的稀疏性，使得大多数的问题变得线性可分。同时，稀疏样本并不会造成存储上的巨大负担，因为系数矩阵 已有很多高效的存储方法。那么，若给定数据集 D  是稠密的，即普通非稀疏数据，能否将其转化为“稀疏表示”形式，从而享有稀疏性所带来的好处呢？这是我们想要学

sudo apt-get install gcc-5this command may install gcc-5.4.0 in your ubuntu-17.10

1. 查看ubuntu 版本号：cat /etc/issue2. 查看cuda 版本号：cat /usr/local/cuda/version.txt3. 查看cudnn 版本号：（不一定能用）cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 24. 查看 gcc，g++ 版本：gcc --version; g++ --vers...

check the gcc version use command gcc --versionthe first step:sudo apt-get install gcc-4.8then:ls /usr/bin/gcc*sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100sudo update-alte...

先试着按照官方 git 上给的 安装步骤来安装吧：https://github.com/ApolloAuto/apollo不了解 docker 的可以先了解一下到docker：https://docs.docker.com/现在感觉 apollo 2.0 是集成了 docker 和 ros 的如果是安装 2.0 版本就不要再看之前 1.0 和 1.5 的安装教程了。不同版本的改变很大。我在按照教程...

链接:https://www.pyimagesearch.com/2016/11/07/intersection-over-union-iou-for-object-detection/

英文网站：http://mnemstudio.org/path-finding-q-learning-tutorial.htm英文网站原文在我的资源里，一个pdf文件。需要两个积分，我本来是不想要积分的，有人要是想看，并且知道怎么上传不要积分的资源的话，可以评论告诉我。

关于反向传播算法，尚未理解清楚：下面两个链接给出了一个简单的反向传播算法的详细步骤：中英对照：英文原文（可能需要翻墙）                           中文翻译-无公式

我要讲的卷积神经网络，思路来自于 Michal nilson 的网上教材，神经网络与深度学习。如果您英文还行，请移步神经网络与深度学习，相信看英文原文，会有更清楚的理解。先占坑，，，继续看、

1.      信息的冗余是信息安全的保障。2.      语言的数据，我们称之为语料，尤其是双语或者多语的对照语料对翻译至关重要，它是我们从事机器翻译研究的基础。 现在自然语言处理多用统计语言模型。贾里尼克的观点非常简单：一个句子是否合理，就看看它的可能性大小如何。而可能性就用概率来衡量。当使用条件概率的时候，每个变量的可能性就是一种语言字典的大小，而如果假定当前的词出现的概率取

学习tensorflow首先拿到的资料是google 的官方文档，极客学院翻译版。链接：tensorflow官方文档-极客学院翻译版可以下载pdf，也可以在线看。在第一个问题MNIST上就遇到了问题。原先文档上的 import input_data已更新为 from tensorflow.examples.tutorials.mnist import input_dat

现在觉得可能是由于虚拟环境配置的问题。因为在一个环境中可以跑通，而在另一个虚拟环境中不能跑通因为这个问题太过 general，能导致这个问题的原因有太多了所以如果遇到这个问题， 感觉还是重新配置一遍虚拟环境比较好。这时候就体现出了虚拟环境的好处啦。...