摘要： 先定义什么是优化，优化是求损失最小值情况下的参数。这里的调参不包括超参数，超参数怎么调可以参考。 1.梯度下降算法 小批量随机梯度下降（mini-batch stochastic gradient descent）在深度学习中被广泛使用。 它的算法很简单： 先选取一组模型参数的初始值，如随机选取； 阅读全文

摘要： 概念区分 性能度量vs损失函数 损失函数、代价函数与目标函数 损失函数（Loss Function）：是定义在单个样本上的，是指一个样本的误差，度量模型一次预测的好坏。代价函数（Cost Function）=成本函数=经验风险：是定义在整个训练集上的，是所有样本误差的平均，也就是所有损失函数值的平均 阅读全文

摘要： 使用tensorflow2.0提供的GradientTape来自动求梯度。 1.tf.GradientTape基本使用方法 偏导，同时求多个偏导，二阶导，多个，两个函数对一个参数求导…… 参考： https://www.liulinlong.cn/index.php/archives/180/ 《动 阅读全文

摘要： 1.站在巨人的肩膀上：牛顿的另一面 牛顿对微积分和物理学做出了很大的贡献，在大家眼中是一位伟人。但是，我们今天要谈的是牛顿的另一面。 老师们经常会拿他说过的一句 话来鼓励自己的学生，那就是：“如果我比别人看得更远些，那是因为我站在巨人的肩膀上”。 老师们通常解释说，这句话的意思是牛顿的自谦，意思是只 阅读全文

摘要： 1.创建tensor # 2.2.1 创建tensor 三类方法： # 1.常量 # 1.1 tf.constant(value, dtype=None, shape=None)，tf.convert_to_tensor(value, dtype=None)，tf.fill(dims, value) 阅读全文

摘要： 微服务写的最全的一篇文章： https://blog.csdn.net/yunzhaji3762/article/details/82860256?utm_source=copy https://blog.csdn.net/lhc2207221755/article/details/52987131 阅读全文

摘要： 1.知识图谱权威文献 http://cpfd.cnki.com.cn/Area/CPFDCONFArticleList-ZGZR201808001.htm 2.关注行业最新动态 http://www.cnki.com.cn/ 3.wiki百科的镜像网站 http://wikipedia.moesal 阅读全文

摘要： 一、注意事项 1.论文搜集和编录，并行阅读 『Excel在读文章列表』：论文名称，进度（第几遍，百分比）。不可或缺。通常针对一个问题我们会找到十几篇甚至几十篇来阅读，花些时间做好准备工作，可以让后期阅读更有效率。文献不是一篇接着一篇读的，而是多篇并行。举例来说，可以先从一堆文献中挑出五篇，快速浏览一 阅读全文

摘要： 一、调研步骤 1.两种方式，双管齐下： 1.先找一块养殖海域（博士论文、综述），里面各种各样的东西都包含了，可以初步了解这个方向，不一定十分完整，但是相当完整了。根据多片养殖海域，慢慢就能了解如何养殖，值不值得养殖了。2.先找到一片贝壳（文献），然后这片贝壳上面会写一部分知识，也有索引，会告诉你其他 阅读全文

摘要： 1.基于BOW的图像检索 https://blog.csdn.net/qq_42617827/article/details/90048221 2.SIFT算法的应用--目标识别之Bag-of-words模型 https://blog.csdn.net/v_JULY_v/article/detail 阅读全文