AI之路

softmax，softmax-loss，BP的解释

CVPY NIPS ICLR ICCV

几个月前刚刚经历校招，投的多是机器学习和算法相关的岗位，特此分享面试中遇到及自己认为比较重要的内容：1、过拟合和欠拟合怎么判断，如何解决？答：主要可以通过训练误差和测试误差入手判断是否过拟合或欠拟合。一般而言训练误差很低，但是测试误差较高，过拟合的概率较大，如果训练误差和测试误差都很高，一般是欠拟合。过拟合可以从增加样本量，减少特征数，降低模型复杂度等方面入手，实际的例子比如线性回归中，对于几

Precision，Recall，F1score，Accuracy四个概念容易混淆，这里做一下解释。假设一个二分类问题，样本有正负两个类别。那么模型预测的结果和真实标签的组合就有4种：TP，FP，FN，TN，如下图所示。这4个分别表示：实际为正样本你预测为正样本，实际为负样本你预测为正样本，实际为正样本你预测为负样本，实际为负样本你预测为负样本。那么Precision和Recall表示什么意思？一般

这篇博客主要是整理下自己看过的一些深度学习及机器学习的资料，希望可以给那些想要入门的小伙伴提供一点帮助，同时也是给自己梳理下思路，该博客会持续更新。目前主要分两大部分整理：一部分是理论基础；另一部分是代码实现。机器学习&深度学习基础知识1、吴恩达-deeplearning.ai 链接：http://mooc.study.163.com/smartSpec/detail/1001319001.htm

上一篇博客：MXNet框架的SSD算法代码介绍（四）：symbol_builder.py 介绍了网络主干结构构建、损失函数定义等代码，但是网络的详细构建内容是在common.py脚本中的两个重要函数：multi_layer_feature和multibox_layer进行的，比如基于分类网络新增加的一些层、预测层的定义等，因此接下来这篇博客介绍common.py脚本。common.py这个...

我们知道卷积神经网络（CNN）在图像领域的应用已经非常广泛了，一般一个CNN网络主要包含卷积层，池化层（pooling），全连接层，损失层等。虽然现在已经开源了很多深度学习框架（比如MxNet，Caffe等），训练一个模型变得非常简单，但是你对损失函数求梯度是怎么求的真的了解吗？相信很多人不一定清楚。虽然网上的资料很多，但是质量参差不齐，常常看得眼花缭乱。为了让大家少走弯路，特地整理了下这些知识点...

论文：High-Resolution Image Synthesis and Semantic Manipulation with Conditional GANs论文链接：https://arxiv.org/abs/1711.11585代码链接：https://github.com/NVIDIA/pix2pixHD图像到图像的翻译是GAN的一个重要应用，表示基于输入图像生成指定的输出图像的...