摘要：
问题描述：用逻辑回归根据学生的考试成绩来判断该学生是否可以入学 这里的训练数据(training instance)是学生的两次考试成绩，以及TA是否能够入学的决定（y=0表示成绩不合格，不予录取；y=1表示录取） 因此，需要根据trainging set 训练出一个classification m 阅读全文
摘要：
参考：https://blog.csdn.net/t46414704152abc/article/details/79574003 https://blog.csdn.net/chibangyuxun/article/details/53148005 https://blog.csdn.net/li 阅读全文
摘要：
https://blog.csdn.net/u011508640/article/details/72815981 阅读全文
摘要：
梯度更新是要同时更新，如下图所示：θ0和θ1同时更新，而不是更新完一个后再更新另一个。 学习率α过小，梯度下降较慢，训练时间增长。若学习率α过大，梯度下降会越过最低点，难以得到最优的结果，导致难以收敛或发散。 如果参数值已是局部最优，进行梯度下降计算时导数是0，梯度下降不会作任何操作，参数不改变 在 阅读全文
摘要：
转自：https://blog.csdn.net/heshushun/article/details/77776706 一、先登录Mongodb官网https://www.mongodb.com/download-center#community 下载 安装包。32、64位的都行。 二、安装Mong 阅读全文
摘要：
先从以下几方面入手： ◆从简单并且得到广泛应用的网络开始，如VGG，如果可以的话使用标准的损失函数。 ◆暂时去掉所有的trick，如数据增强(Data Augmentation)和正则化(regularization)。 ◆如果是微调(finetuning)模型，再次检查数据的预处理，保证其和原始网 阅读全文
摘要：
转自：https://www.cnblogs.com/gongxijun/p/6117588.html?utm_source=itdadao&utm_medium=referral 阅读全文
摘要：
设计高扇入、合理扇出（小于7 ）的函数 说明：扇出是指一个函数直接调用（控制）其它函数的数目，而扇入是指有多少上级函数调用它。 扇出过大，表明函数过分复杂，需要控制和协调过多的下级函数；而扇出过小，如总是1，表明函数的调用层次可能过多，这样不利程序阅读和函数结构的分析，并且程序运行时会对系统资源如堆 阅读全文
摘要：
通常用外部api进行卷积的时候，会面临mode选择。 本文清晰展示三种模式的不同之处，其实这三种不同模式是对卷积核移动范围的不同限制。 设 image的大小是7x7，filter的大小是3x3 1，full mode 橙色部分为image, 蓝色部分为filter。full模式的意思是，从filte 阅读全文
摘要：
近期利用遥感影像进行路网提取，利用Unet网络进行图像分割 介绍如下： U-net网络非常简单，前半部分作用是特征提取，后半部分是上采样。在一些文献中也把这样的结构叫做编码器-解码器结构。由于此网络整体结构类似于大写的英文字母U，故得名U-net。U-net与其他常见的分割网络有一点非常不同的地方： 阅读全文