2019年3月29日
Linux统计某文件夹下文件、文件夹的个数
摘要： 统计某文件夹下文件的个数ls -l |grep "^-"|wc -l统计某文件夹下目录的个数ls -l |grep "^ｄ"|wc -l统计文件夹下文件的个数，包括子文件夹里的ls -lR|grep "^-"|wc -l如统计/home/han目录(包含子目录)下的所有js文件则：ls -lR /h 阅读全文
posted @ 2019-03-29 14:25 蜕变C 阅读(1054) 评论(0) 推荐(0) 编辑
tensorflow冻结层的方法
摘要： 其实常说的fine tune就是冻结网络前面的层，然后训练最后一层。那么在tensorflow里如何实现finetune功能呢？或者说是如何实现冻结部分层，只训练某几个层呢？可以通过只选择优化特定层的参数来实现该功能。 示例代码如下： 参考链接：https://stackoverflow.com/q 阅读全文
posted @ 2019-03-29 14:24 蜕变C 阅读(3004) 评论(0) 推荐(0) 编辑
CNN网络架构演进：从LeNet到DenseNet
摘要： CNN网络架构演进：从LeNet到DenseNet 卷积神经网络可谓是现在深度学习领域中大红大紫的网络框架，尤其在计算机视觉领域更是一枝独秀。CNN从90年代的LeNet开始，21世纪初沉寂了10年，直到12年AlexNet开始又再焕发第二春，从ZF Net到VGG，GoogLeNet再到ResNe 阅读全文
posted @ 2019-03-29 14:12 蜕变C 阅读(791) 评论(0) 推荐(0) 编辑
2019年1月25日
利用反向传播训练多层神经网络的原理
摘要： The project describes teaching process of multi-layer neural network employing backpropagation algorithm. To illustrate this process the three layer n 阅读全文
posted @ 2019-01-25 14:35 蜕变C 阅读(455) 评论(0) 推荐(2) 编辑
2019年1月8日
python 模块导入详解
摘要： 本文不讨论 Python 的导入机制（底层实现细节），仅讨论模块与包，以及导入语句相关的概念。通常，导入模块都是使用如下语句： import ... import ... as ... from ... import ... from ... import ... as ... import ... 阅读全文
posted @ 2019-01-08 17:32 蜕变C 阅读(3172) 评论(0) 推荐(0) 编辑
2019年1月3日
Vim 快捷键大全
摘要： 总结一下笔记，与喜欢vim的朋友分享。 总结一下笔记，与喜欢vim的朋友分享。 1. 关于Vim vim是我最喜欢的编辑器，也是linux下第二强大的编辑器。 虽然emacs是公认的世界第一，我认为使用emacs并没有使用vi进行编辑来得高效。 如果是初学vi，运行一下vimtutor是个聪明的决定 阅读全文
posted @ 2019-01-03 16:10 蜕变C 阅读(25703) 评论(2) 推荐(15) 编辑
2018年12月6日
git 同步远程仓库
摘要： fork 了别人的仓库后，原作者又更新了仓库，如何将自己的代码和原仓库保持一致？本文将给你解答。 如何使用搜索引擎 其实这个问题并不难，我又被坑了。百度搜的东西不靠谱啊，以后这种问题一定要用英文在 Google 或者 Bing 上搜索，这样才能搜到原汁原味的答案。就当是一个教训吧。 搜索 fork 阅读全文
posted @ 2018-12-06 11:38 蜕变C 阅读(6087) 评论(0) 推荐(0) 编辑
2018年11月6日
Command "python setup.py egg_info" failed with error code 1 in /tmp/pip-build*解决办法
摘要： or 亲测有效 阅读全文
posted @ 2018-11-06 17:47 蜕变C 阅读(20148) 评论(0) 推荐(1) 编辑
2018年11月2日
深入理解反向传播
摘要： 当前，训练机器学习模型的唯一方式是反向传播算法。 深度学习框架越来越容易上手，训练一个模型也只需简单几行代码。但是，在机器学习面试中，也会考量面试者对机器学习原理的掌握程度。反向传播问题经常出现，不少人碰到时仍觉得十分棘手。 最近，Medium上的一位机器学习初学者Ryan Gotesman，在学习 阅读全文
posted @ 2018-11-02 17:15 蜕变C 阅读(2049) 评论(0) 推荐(1) 编辑
Softmax回归
摘要： Softmax 回归 前几节介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中，模型输出可以是一个像图像类别这样的离散值。对于这样的离散值预测问题，我们可以使用诸如 softmax 回归在内的分类模型。和线性回归不同，softmax 回归的输出单元从一个变成了多个，且引入了 softmax 阅读全文
posted @ 2018-11-02 17:12 蜕变C 阅读(478) 评论(0) 推荐(0) 编辑