摘要：
在文件所在服务器上启动http服务 python m SimpleHTTPServer 8001 在目标服务器上用 wget 下载该文件 wget 服务器IP:8001/文件地址 阅读全文
摘要：
假设你要连接的服务器地址为123.123.123.123，端口号为8888，用户名为root，密码为mimamima 编写shell文件"login_server.sh"，并放置于目录/usr/local/bin/下（该目录可任意指定），文件内容如下: 打开 iTem2 Profiles Open 阅读全文
摘要：
贝叶斯决策论，作为解决模式识别问题的一种基本的统计途径，其假设决策的问题可以用概率的形式表示，并且假设所有有关的概率结构均已知。 根据贝叶斯公式，可以知道后验概率可以表示成似然函数和先验概率的乘积形式（证据对于每个类别都是相通的，所以在决策过程中可以忽略）。贝叶斯决策一般是用于分类场景，我们根据每个 阅读全文
摘要：
什么是自组织映射？ 一个特别有趣的无监督系统是基于 竞争性学习 ，其中输出神经元之间竞争激活，结果是在任意时间只有一个神经元被激活。这个激活的神经元被称为 胜者神经元（winner takes all neuron） 。这种竞争可以通过在神经元之间具有 横向抑制连接 （负反馈路径）来实现。其结果是神 阅读全文
摘要：
问题来自于 "知乎专栏 那些深度学习《面试》你可能需要知道的" 这里逐步地对每个问题的解答进行整理，并列出参考书籍与文献，个人水平有限，如有不对之处还望在评论处加以指正。 1.列举常见的一些范数及其应用场景，如$L_0,L_1,L_2,L_{\infty},Frobenius$ 范数 "Deep L 阅读全文
摘要：
极大似然估计 考虑一个高斯分布$p(\mathbf{x}\mid{\theta})$，其中$\theta=(\mu,\Sigma)$。样本集$X=\{x_1,...,x_N\}$中每个样本都是独立的从该高斯分布中抽取得到的，满足独立同分布假设。 因此，取到这个样本集的概率为： $$\begin{al 阅读全文
摘要：
1. 从一个栗子开始 Slot Filling 比如在一个订票系统上，我们的输入 “Arrive Taipei on November 2nd” 这样一个序列，我们设置几个槽位（Slot），希望算法能够将关键词'Taipei'放入目的地（Destination）槽位， 将November和2nd放入 阅读全文
摘要：
1. 安装 首先，导入numpy和matplotlib库 导入caffe框架 2. 载入网络并对输入进行预处理 设置caffe为cpu模式 基于已有的一些配置项定义网络模型 详细解释一下模型配置文件（deploy.prototxt） 给每一层都命名的好处在于之后可以方便的调用任意一层的输入或者输出来 阅读全文
摘要：
Title : Caffe (Visual Studio15+CUDA8+cuDNN5+python3.5) Author : SURFZJY Logo : True [TITLE] Requirements Visual Studio 2015 CMake 3.4 or higher (we us 阅读全文
摘要：
X_train shape: (60000, 28, 28, 1) 60000 train samples 10000 test samples _____________________________________________________________________________ 阅读全文