摘要：
前言 本文介绍的逻辑分为两条 按照基本且典型的神经网络模型进行介绍：MLP/DNN 、CNN、RNN 按照研究领域的典型模型进行介绍： 计算机视觉：GAN、Transformer、Object Detection 自然语言处理：LSTM、GAN 图神经网络：GNN 推荐系统：Deep&wide双塔模 阅读全文
posted @ 2022-07-04 15:15 Charlie_ODD 阅读(1091) 评论(0) 推荐(0) 编辑
摘要：
变换 线性、非线性变换 在学习神经网络过程中多次看到线性、非线性变换，什么是线性变换和非线性变换，线性和非线性是怎么界定的：一个变换，其实就是一个函数f(x)，输入为x，在通过这个函数之后就变成了y对吧，那么这个从输入到输出的转变过程就是所谓的变换，至于变换是非线性还是线性的，完全取决于函数长什么样 阅读全文
posted @ 2022-07-04 15:14 Charlie_ODD 阅读(367) 评论(0) 推荐(0) 编辑
摘要：
前言： 作为一个初入的互联网人，这一年真有49年入国军的感觉，互联网（尤其是以大厂为代表的平台型经济体）不免让人有些疑惑，互联网这个行业能否在这个寒冬下焕发，抑或是走向“传统”？ 本文将长期更新近期互联网及计算机领域发展有意思的点，欢迎各位提供更多的见解和资讯，评论和交流！ 资讯一：万亿美元级五大件 阅读全文
posted @ 2021-11-28 21:28 Charlie_ODD 阅读(58) 评论(0) 推荐(0) 编辑
摘要：
并行程序的几个基本概念——进程与线程 对进程与线程有一个宏观上的了解： 进程，是并发执行的程序在执行过程中分配和管理资源的基本单位，是一个动态概念，竟争计算机系统资源的基本单位。每一个进程都有一个自己的地址空间，即进程空间或（虚空间）。进程空间的大小 只与处理机的位数有关，一个 16 位长处理机的进 阅读全文
posted @ 2019-08-20 18:27 Charlie_ODD 阅读(182) 评论(0) 推荐(0) 编辑
摘要：
恢复内容开始 一、大数据时代的现状 据统计，YouTube上每分钟就会增加500多小时的视频，面对如此海量的数据，如何高效的存储与处理它们就成了当前最大的挑战。但在这个对硬件要求越来越高的时代，CPU却似乎并不这么给力了。自2013年以来，处理器频率的增长速度逐渐放缓了，目前CPU的频率主要分布在3 阅读全文
posted @ 2019-08-20 18:20 Charlie_ODD 阅读(1723) 评论(0) 推荐(0) 编辑
摘要：
缓存命中率 （1）命中：可以直接通过缓存获取到需要的数据。 （2）不命中：无法直接通过缓存获取到想要的数据，需要再次查询数据库或者执行其它的操作。原因可能是由于缓存中根本不存在，或者缓存已经过期。 通常来讲，缓存的命中率越高则表示使用缓存的收益越高，应用的性能越好（响应时间越短、吞吐量越高），抗并发 阅读全文
posted @ 2019-08-20 16:03 Charlie_ODD 阅读(1122) 评论(0) 推荐(0) 编辑
摘要：
启发式算法是一种技术，这种技术使得在可接受的计算成本内去搜寻最好的解，但不一定能保证所得的可行解和最优解，甚至在多数情况下，无法阐述所得解同最优解的近似程度。 Heuristics可以等同于：实际经验估计（rule of thumb）、有依据的猜测（educated guess, a guess b 阅读全文
posted @ 2019-03-31 22:23 Charlie_ODD 阅读(4020) 评论(0) 推荐(0) 编辑
摘要：
LSTM 长短时记忆网络(Long Short Term Memory Network, LSTM)，是一种改进之后的循环神经网络，可以解决RNN无法处理长距离的依赖的问题，目前比较流行。 长短时记忆网络的思路： 原始 RNN 的隐藏层只有一个状态，即h，它对于短期的输入非常敏感。 再增加一个状态， 阅读全文
posted @ 2019-03-26 21:54 Charlie_ODD 阅读(8674) 评论(0) 推荐(1) 编辑
摘要：
一、理解隐马尔科夫 1.1 举例理解 假设我手里有三个不同的骰子。第一个骰子是我们平常见的骰子（称这个骰子为D6），6个面，每个面（1，2，3，4，5，6）出现的概率是1/6。第二个骰子是个四面体（称这个骰子为D4），每个面（1，2，3，4）出现的概率是1/4。第三个骰子有八个面（称这个骰子为D8） 阅读全文
posted @ 2019-03-26 19:29 Charlie_ODD 阅读(1188) 评论(0) 推荐(0) 编辑