真不赖
Tensorflow并行计算在真正开始Tensorflow并行运算代码实现之前，我们首先了解一下Tensorflow系统结构设计是如何完美的支持并行运算的。（参见博客） 1. Tensorflow系统概...
IP属地：江苏
-
-
没明白~
机器学习必须熟悉的算法之word2vector（二）
在上一篇文章中，我们简述了skip gram版word2vector的基本原理，留下一个问题待解决，那就是网络非常大，这将导致如下几个困难：1、在上面训练梯度下降会比较慢；2...
-
one-hot后的层是稀疏的，和隐层的连接应该不会有50Y参数~
推荐系统遇上深度学习(三)--DeepFM模型理论和实践
推荐系统遇上深度学习系列：推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jianshu.com/p/152ae633fb00[https://ww...
-
机器学习面试之各种混乱的熵请听题:什么是熵？什么是交叉熵？什么是联合熵？什么是条件熵？什么是相对熵？它们的联系与区别是什么？ 如果你感到回答这些问题有些吃力，对这些概念似乎清楚，似乎又没有那么明白，那...
-
其实感觉不能从工程角度来看这个问题，CE和MSE的建立的假设就不一致，MSE的假设是观察到的y‘是一个y+高斯噪声值，然后通过极大似然法求解一组参数使得对应的高斯噪声最小的情况。所以MSE求解出来的值会更偏向于各个离散的观察值。而CE的假设应该是多分类情况下，拟合不同类别的概率分布。
机器学习面试之MSE与CE的区别？
MSE和CE是机器学习中常见的两种损失函数，在训练神经网络中，也经常用到，但是如何深刻地理解二者的异同，却不是容易轻松搞定的。本文从模拟面试的角度尝试对这一问题作出解读。 精...
-
通过词频采样，用的tf-idf的思想，信息论里应该算比较普遍的做法~
机器学习必须熟悉的算法之word2vector（二）
在上一篇文章中，我们简述了skip gram版word2vector的基本原理，留下一个问题待解决，那就是网络非常大，这将导致如下几个困难：1、在上面训练梯度下降会比较慢；2...
-
-
