很多情况下，我们需要将Github上的代码拉到本地，一般有两种方法：第一种是直接点击下载，另一种是利用git。git作为一个版本控制软件，更是广为使用。本文将简介在Mac上如...
发简信
IP属地：北京
-
Mac上安装Git并与Github或Gitlab进行连接
-
你好，我想请问一下，这里的模型，能够自定义么？大多数的例子都是以VGG16作为模型，若是能应用自定义模型，那里面的guided_model以及其他参数是否有什么变动？
Grad-CAM 卷积网络中的热力图
github地址论文地址使用Grad-CAM 对卷积网络中的特征图进行加权求和，得到卷积conv5的热力图，这种可视化机制必须有一个前置条件就是告诉算法具体的类别，通过这个输...
-
@沙华_2fb6 layer 是一个列表参数，函数中layer[0],layer[1]什么的都是指第1,2层中LSTM单元的个数
深度学习之路（一）：用LSTM网络做时间序列数据预测
简介 问题：有一组1维数据，可能是某商品的销售量，可能是股票的价格等，用深度学习模型来解决对该数据的预测问题，比如用前50个数据，来预测下一个数据。 数据的读取及处理： 读取...
-
数据集我都忘记是哪里的一个1维数据的数据集了，至于模型的话，按照文中的各个模块写在一起就行了。
深度学习之路（一）：用LSTM网络做时间序列数据预测
简介 问题：有一组1维数据，可能是某商品的销售量，可能是股票的价格等，用深度学习模型来解决对该数据的预测问题，比如用前50个数据，来预测下一个数据。 数据的读取及处理： 读取...
-
深度学习之——优化器一、什么是优化器 优化器或者优化算法，是通过训练优化参数，来最小化（最大化）损失函数。损失函数是用来计算测试集中目标值Y的真实值和预测值的偏差程度。 为了使模型输出逼近或达到...
-
分布式日志收集框架Flume
Flume概述 Flume在大数据中扮演着数据收集的角色，收集到数据以后在通过计算框架进行处理。Flume是Cloudera提供的一个高可用的，高可靠的，分布式的海量日志采集...
-
Python+Selenium，让浏览器自动帮你下文献在做学术、搞科研的过程中，我们往往需要针对一个特定的主题下载海量的文献。在把几百篇文献下载到电脑的过程中，假如遇到不够友好的数据库不提供批量下载的功能，怎么办？我恰好遇到了这...
-
史上最全的cnn参数计算详解废话不多说, 直接上示例 1. 前戏 卷积前后大小变化示例 现实中的例子 featural金字塔 cnn内部可视化 filter, activation map可视化 cnn...
-
推荐系统遇上深度学习(二十九)--协同记忆网络理论及实践协同过滤(collaborative filtering)是推荐系统中经典的一类方法。协同过滤中比较经典的解法有基于邻域方法、矩阵分解等，这些方法都有各自的优点和缺点，本文介...
-
推荐系统遇上深度学习(三十四)--YouTube深度学习推荐系统看题目，相信大家都知道本文要介绍的便是经典的Youtube的深度学习推荐系统论文《Deep Neural Networks for YouTube Recommendatio...
-
一文让你理解什么是卷积神经网络一文让你理解什么是卷积神经网络 从神经网络到卷积神经网络（CNN） 我们知道神经网络的结构是这样的： 那卷积神经网络跟它是什么关系呢？其实卷积神经网络依旧是层级网络，只是层的...
-
本专题招募管理员，有意向请简信私聊，谢谢！ 用来分享机器学习，深度学习，神经网络，计算机视觉等领域的一些技术。 Machine Learning 学习资料：http://www.jianshu.com/p/e0238db24973 相关参考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 课程整理：http://www.jianshu.com/p/182baeb82c71 3. [深度学习与神经网络(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步链接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.jianshu.com/p/6752a8845d01 8. [知乎“机器学习”专栏]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.jianshu.com/p/fe428f0b32c1 …… 希望大家可以相互交流，相互学习！
