super

import theanofrom theano import tensor as Timport numpy as npimport matplotlib.pyplot as pltdef model(X, w): return X * wtrX = np.linspace(-1, 1, 101)trY = 2 * trX + np.random.randn(*trX.shape)

1 简介利用神经网络可以从文本生成图片，即将文本的语义转化为图片; 也可以从图片生成文本，即生成的文本描述图片中的内容，例如一幅图片中有一直小鸟落在枝头。最后由图片生产的文本就可以能可爱的绿色小鸟落于枝头。在计算广告中这种文本和图片之间互相生成的过程非常有用，如果可以在工业界有所突破，他们在广告创意的制作中将会发挥巨大作用，例如选定一个创意标题，立刻得到了创意图片，当制作完成了创意图片时也立刻得到了

http://blog.youkuaiyun.com/yhl_leo/article/details/50961542

从SNE到t-SNE再到LargeVis，转自http://bindog.github.io/blog/2016/06/04/from-sne-to-tsne-to-largevis

Python解析数据库成图片import structimport numpy as np#import matplotlib.pyplot as pltimport Imageimport sysinput_path = sys.argv[1] #mnist数据库解压后的所在路径output_path = sys.argv[2] #生成的图片所在的路径# =====read labels

专利#并行化卷积神经网络的系统与方法。SYSTEM AND METHOD FOR PARALLELIZING CONVOLUTIONAL NEURAL NETWORKS， [A.Krizhevsky, I.Sutskever, G.Hinton，Google]。 PS：在谷歌工作三年后的Ilya，最近加入OpenAI是研究主任，Elon Musk是共同主席，图灵奖得主Alan Kay和Yoshua

@爱可可-爱生活 【浏览器里的t-SNE交互可视化】”Interactive t-SNE visualisation in your browser” 网页链接@爱可可-爱生活 【伏尼契手稿——词向量/T-SNE可视化模式分析】《Voynich Manuscript: word vectors and t-SNE visualization of some patterns | Pyevolv

@爱可可-爱生活 《Neural Networks, Manifolds, and Topology》如题，神经网络、 流形和拓扑介绍及相关讨论，好文。网页链接

//@金连文: 文中提到的语音语种识别竞赛官网：https://community.topcoder.com/longcontest/?module=ViewProblemStatement&rd=16555&compid=49304 ，176种语种，66176个MP3训练数据(4.9G)，12320个测试数据 （874M)，训练及测试数据可免费下载 @爱可可-爱生活 【基于深度卷积网络的语音语

//@夏粉_百度:很多做实际应用的朋友问我深度学习在CTR预估上效果如何，在谷歌的这篇报告中验证了效果。但是我可能问一句，如果做真正实际应用，一定要尝试深度学习吗？可能需要综合看待深度学习，除了收益之外，还需要看下开发代价、调参、维护等资源和人力成本。 @夏粉_百度 西瓜大会上很多同学对Deep Learning如何用到大规模稀疏广告数据上非常感兴趣，Google在2012年ICML上介绍了他们

http://neuralnetworksanddeeplearning.com/

1 Theaon图结构当第一次使用theaon时发现上手并不容易，因为它其中采用了许多技术：符号计算，张量计算，图计算。所以首先要了解其内部的计算逻辑，才能编写出相应的程序。

Deep Learning System: http://dlsys.cs.washington.edu/