摘要：
本周收获 总结一下本周学习内容： 1、《深度学习》第九章：计算机视觉 :car:博客： 深度学习：计算机视觉 下周计划 我的下周学习计划是： 1、:triangular_flag_on_post:《深度学习》第十章：自然语言处理 10.1 词嵌入 ~ 10.8 textCNN 阅读全文
摘要：
1、图像增广 ==图像增广==（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。 图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。 例如，我们可以对图像进行不同方式的裁剪， 阅读全文
摘要：
本周收获 总结一下本周学习内容： 1、《深度学习》第七章：优化算法 7.1 优化与深度学习 ~ 7.8 Adam算法 :car:博客： 深度学习：优化算法 2、《深度学习》第八章：计算性能 8.1 优化与深度学习 ~ 8.4 多GPU计算的简洁实现 :car:博客： 深度学习：计算性能 下周计划 我 阅读全文
摘要：
1、命令式和符号式混合编程 ==命令式编程==，它使用编程语句改变程序状态： def add(a, b): return a + b def fancy_func(a, b, c, d): e = add(a, b) f = add(c, d) g = add(e, f) return g fanc 阅读全文
摘要：
1 梯度下降 为什么梯度下降算法可以优化目标函数？ 考虑一类连续可微实值函数$f: \mathbb{R} \rightarrow \mathbb{R}$， 利用泰勒展开，我们可以得到 $$f(x + \epsilon) = f(x) + \epsilon f'(x) + \mathcal{O}(\e 阅读全文