摘要：
池化层 池化层的目标是对输入图像进行下采样（即缩小），以便减少计算量、内存使用量和参数数量（从而降低过拟合的风险） 池化层中的每个神经元都连接到位于一个小的矩形接受视野中的上一层中有限数量的神经元的输出。必须定义其大小、步幅和填充类型。但是，池化层没有权重。它所做的工作就是使用聚合函数（例如最大值或 阅读全文
摘要：
卷积层 CNN的最重要的构建层就是卷积层：第一卷积层的神经元不会连接到输入图像中的每个像素，而只于接受视野内的像素相连。反过来，第二卷积层的每个神经元仅连接到位于第一层中的一个小矩阵内的神经元。这种架构允许网络集中在第一个隐藏层的低阶特征中，然后在下一个隐藏层中将它们组装成比较高阶的特征。 之前的神 阅读全文
摘要：
视觉皮层的架构 卷积神经网络（CNN）起源于对大脑的视觉皮层的研究，从20世纪80年代起被用于图像识别。在过去几年中，由于计算机计算能力的提高、可训练数据数量的增加，以及用于深度学习网络训练技巧的增加，CNN已经在一些复杂的视觉任务中实现了超人性化，广泛用于图片搜索服务、自动驾驶汽车、自动视频分类系 阅读全文
摘要：
为了正确比较而规范Unicode字符串 因为Unicode有组合字符（变音字符和附加到前一个字符上的记号，打印时作为一个整体），所以字符串比较起来很复杂。 例如，"café"这个词可以使用两种方式构成，分别由4个和5个码位，但是结果完全一样： s1 = 'café' s2 = 'cafe\u0301 阅读全文
摘要：
处理文本文件 处理文本的最佳实践是“Unicode三明治”。尽早把输入的的字节序列解码成字符串，然后对字符串进行处理，在其他过程中一定不能编码或解码。对输出来说，要尽量晚地把字符串编码成字节序列 在Python3中能轻松的采纳Unicode三明治的建议，因为内置的open函数会再读取文件时做必要的解 阅读全文
摘要：
import jieba with open('./西游记.txt', 'r', encoding='utf_8') as f: words = jieba.lcut(f.read()) # 使用精确模式对文本进行分词 counts = {} # 通过键值对的形式存储词语及其出现的次数 for wo 阅读全文
摘要：
from random import random def printInfo(): ''' function: 打印程序的介绍信息 ''' print("产品名称： 排球比赛模拟分析器") print("产品概述： 通过输入2个队伍A和B的能力值(0到1之间的小数表示)，能够模拟多次2个队伍A和B 阅读全文
摘要：
#include <stdio.h> typedef unsigned char *byte_pointer; //将数据类型byte_pointer定义为一个指向类型为unsigned char的对象的指针 void show_bytes(byte_pointer start, size_t le 阅读全文
摘要：
阻尼牛顿法（Python实现） 使用牛顿方向，分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np import tensorflow as tf def fun(x): 阅读全文
摘要：
最速下降法（Python实现） 使用最速下降法方向，分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np import tensorflow as tf def fun(x 阅读全文