布兰姥爷

摘要： 一、序言 dropout和L1、L2一样是一种解决过拟合的方法，梯度检验则是一种检验“反向传播”计算是否准确的方法，这里合并简单讲述，并在文末提供完整示例代码，代码中还包含了之前L2的示例，全都是在“深层神经网络解析”这篇基础之上修改的。 二、dropout 简单来说dropout就是在每次训练时“ 阅读全文

摘要： 一、序言 前面的文章中，我们逐步从单神经元、浅层网络到深层网络，并且大概搞懂了“向前传播”和“反向传播”的原理，比较而言深层网络做“手写数字”识别已经游刃有余了，但神经网络还存在很多问题，比如最常见的两个问题：“过拟合”和“欠拟合”，下图中从左到右依次是“欠拟合”、“刚刚好”、“过拟合”。 简单点说 阅读全文

摘要： 一、序言 反向传播在神经网络中用于优化权重w和阈值b，是神经网络优化的核心算法。经过数日的学习终于看明白了一点反向传播的原理，这里作文记录心得。 本文先介绍一下基本的数学计算方法，然后根据“损失计算公式”推导出优化参数的反向传播方法。 二、基本数学原理 神经网络中优化参数w、b的方法称为反向传播，反 阅读全文

摘要： 一、序言 之前已经写过“单神经元、浅层神经网络、深层神经网络”（感兴趣的可以翻翻），写的有点乱而且很多环节都没有说明白。这里我们尝试通过“感知机”的描述来回答一个问题：“为什么传播函数长这个样子”。 感知机是一种类似神经网络的预测模型，现在各种功能强大的神经网络正是在感知机的基础上诞生的，看懂感知机 阅读全文

摘要： 回顾： 【零基础】AI神经元解析（含实例代码） 【零基础】浅层神经网络解析 一、序言 前面我们已经完成了单神经元、浅层神经网络（2层）的解析，其中有很多没有讲透的地方我们就暂时不要理会了，比如反向传播的原理我也没看明白呢。这里我们继续下一步，解析深层的神经网络（N层），也就是真的要“深度学习”了。 阅读全文

摘要： 回顾： 【零基础】AI神经元解析（含实例代码） 一、序言 前两天写了关于单神经元的解析，这里再接再厉继续浅层神经网络的解析。浅层神经网络即是“层次较少”的神经网络，虽然层次少但其性能相对单神经元强大了不只一点。 注：本文内容主要是对“床长”的系列教程进行总结，强烈推荐“床长”的人工智能系列教程（ht 阅读全文

摘要： 一、序言 关于“深度学习”大部分文章讲的都云里雾里，直到看到“床长”的系列教程以及《深度学习入门：基于Python的理论与实现》，这里主要是对这两个教程进行个人化的总结，目标是让“0基础”的童鞋也能看懂神秘的神经网络。 如果你是AI新手，可以先大概看看《深度学习入门：基于Python的理论与实现》， 阅读全文

摘要： 1、启用交换机端口安全 2、限制端口最大访问量为1，超出后关闭端口 1、启用交换机端口安全 #interface gigabitEthernet 0/1 #switchport mode access #switchport port-security #switchport port-securi 阅读全文

摘要： 1、交换机IP配置 2、配置telnet 1、交换机IP配置 #interface vlan 1 #ip address 192.168.0.3 255.255.255.0 #no shutdown #exit #ip default-gateway 192.168.0.2 2、配置telnet 阅读全文

摘要： 1、静态NAT地址转换 #ip nat inside source static 192.168.12.1 192.168.23.4 //将12.1转为23.4 必须精确到主机IP 而不能是某个网段 #interface gigabitEthernet 0/0/0 //端口0做nat in #ip 阅读全文