<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[北冥丶有鱼的博客]]></title><description><![CDATA[做一个有思想的Coder]]></description><link>https://blog.youkuaiyun.com/yxnull</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; yxnull]]></copyright><item><title><![CDATA[改善深层神经网络(吴恩达)_优化算法]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/80832604</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/80832604</guid><author>yxnull</author><pubDate>Wed, 27 Jun 2018 17:33:05 +0800</pubDate><description><![CDATA[本篇主要会谈到：mini-batch梯度下降、指数加权平均、动量梯度下降、RMSprop、Adam优化、学习率衰减





mini-batch梯度下降：

在前面学习向量化时，知道了可以将训练样本横向堆叠，形成一个输入矩阵和对应的输出矩阵： 
X=[x(1),x(2),x(3)...x(m)]X=[x(1),x(2),x(3)...x(m)]X=\left [x^{(1)},x^{(2)},x...]]></description><category></category></item><item><title><![CDATA[改善深层神经网络(吴恩达)_深度学习的应用层面]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/80738570</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/80738570</guid><author>yxnull</author><pubDate>Thu, 21 Jun 2018 16:47:43 +0800</pubDate><description><![CDATA[这是本系列的第三篇了，主要会谈到：]]></description><category></category></item><item><title><![CDATA[神经网络和深度学习(吴恩达) _浅层神经网络]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/80703549</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/80703549</guid><author>yxnull</author><pubDate>Tue, 19 Jun 2018 11:28:46 +0800</pubDate><description><![CDATA[这是本系列学习笔记的第二篇，上篇为《神经网络和深度学习(吴恩达) _神经网络基础》]]></description><category></category></item><item><title><![CDATA[神经网络和深度学习(吴恩达) _神经网络基础]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/80702103</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/80702103</guid><author>yxnull</author><pubDate>Fri, 15 Jun 2018 11:46:18 +0800</pubDate><description><![CDATA[本系列笔记旨在记录自己的学习过程，能够及时回顾整理学过的东西，有助于加深理解和记忆。学这个课程的同时，也在看《机器学习》（周志华），所以会将书和视频的内容结合起来，综合学习。那么本篇主要是第二周的视频课程中讲到的：二分分类、Logistic回归、损失函数、梯度下降、向量化。二分分类：简单的理解就是输出的结果是两个离散的值，就像课程中举的例子：通过输入一张图片的信息，经过一些列的计算，输出一个离散的...]]></description><category></category></item><item><title><![CDATA[win10 安装 tensorflow-cpu版]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/80329394</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/80329394</guid><author>yxnull</author><pubDate>Tue, 15 May 2018 21:13:41 +0800</pubDate><description><![CDATA[转自：TensorFlow安装方法二【第二步：Anaconda方式安装】（Windows10 64位）安装Anaconda，目前tensorflow在Windows平台必须是python3.5（及以上）版本（2017.2.6），Anaconda下载地址 安装好之后在Anaconda程序列表中打开Anaconda Prompt  使用清华仓库镜像，感觉国内还是清华的镜像连接速度快conda conf...]]></description><category></category></item><item><title><![CDATA[Tensorflow学习笔记（一）]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/80307296</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/80307296</guid><author>yxnull</author><pubDate>Tue, 15 May 2018 11:11:01 +0800</pubDate><description><![CDATA[本篇主要基于慕课的公开课《人工智能实践：Tendosflow笔记》，偏转载性质。    这两年的人工智能、机器学习、深度学习，炒得火热，相信有些人跟我一样，初听这些名词概念时，并不清楚他们之间有何联系，是否就是同一概念。但其实三者的关系用一张图就可以说明。 人工智能：就是用机器模拟人的意识和思维。    现在常见的消费产品就是：Google的Assistant、微软的Cortana、苹果的Siri...]]></description><category></category></item><item><title><![CDATA[浙工大计算机复试经验总结]]></title><link>https://blog.youkuaiyun.com/yxnull/article/details/79723348</link><guid>https://blog.youkuaiyun.com/yxnull/article/details/79723348</guid><author>yxnull</author><pubDate>Wed, 28 Mar 2018 10:56:40 +0800</pubDate><description><![CDATA[    我是茫茫18考研大军中普通的不能再普通的一员，没有很聪明的脑瓜，也没有漂亮的简历（无奈本科有点荒废），有的可能只有一颗坚毅的心（事实证明这很重要）。刚知道初试分数时（320+），心里是很高兴的，自认为分数还不错，事后证明我还是天真了，考工大的分数都不低，我的分只能算下层（苦笑）。。。。。。。（省略一些废话吧），复试名单出来后，我的初试排名并不理想（例如招生人数是30，我就是35名），有点心...]]></description><category></category></item></channel></rss>