摘要：
问题1，模式坍塌（Mode collapse ） 对模式崩溃产生原因的猜想： GAN的学习目标是映射关系G：x➡y，这种单一域之间的对应关系是高度约束不足的，无法为分类器和判别其的训练提供足够的信息输入。 在这种情况下所优化得到的G可以将域X转换为与Y分布相同的域Y'，但是并不能确保单独的输入和输出 阅读全文
摘要：
1. 全连接网络与卷积网络 全连接网络的问题 丢失输入数据的空间信息 模型参数过多，容易过拟合 卷积网络的优势 保留空间信息：在卷积运算中，计算范围是在像素点的空间邻域内进行的，它代表了对空间邻域内某种特征模式的提取。对比全连接层将输入展开成一维的计算方式，卷积运算可以有效学习到输入数据的空间信息。 阅读全文
摘要：
1，概念 操作系统分类 多道批处理系统 遇到I/O就切换 可以提高CPU的利用率 进程之间数据隔离（内存隔离） 时空复用：在同一个时间点上，多个程序同时执行（时间复用，有的在做CPU操作，有的在做I/O操作）；一块内存中存储了多个进程的数据（空间复用，但进程之间的数据是隔离的） 分时操作系统 时间分 阅读全文
摘要：
1，docker网络 1.1，docker0 有三个网络环境，那么docker是如何处理容器网络访问的？ 1.2，测试 docker run -d -p 80:8080 --name tomcat01 tomcat docker exec -it tomcat01 ip addr 本地可以ping通 阅读全文
摘要：
第1章 统计学习及监督学习概论 统计学习：从给定的、有限的、用于学习的训练数据（training data）集合出发，假设数据是独立同分布产生的；并且假设要学习的模型属于某个函数的集合，称为假设空间（hypothesis space）；应用某个评估准则（evaluation space），从假设空间 阅读全文
摘要：
1，WGAN 1.1，从GAN到WGAN，最核心的有这么几点： GAN的损失函数如下： \[ \min_{G}\max_{D}V\{D,G\}=E_{x\sim{P_{data(x)}}}[logD(x)]+E_{x\sim{P_{z(z)}}}[log(1-D(G(z)))] \tag{0} \] 阅读全文
摘要：
1，镜像是什么 镜像是一种轻量级、可执行的独立软件包，用来打包软件运行环境和基于运行环境开发的软件，它包含运行某个软件所需的所有内容，包括代码、运行时、库、环境变量和配置文件 在docker中所有应用直接打包为镜像，下载下来就可以直接运行。 2，如何获取镜像 从远程仓库下载 拷贝 自己制作镜像Doc 阅读全文
摘要：
1，思路 根据定义 \[ \frac{dy}{dx}=\lim_{\Delta{x\to{0}}}\frac{\Delta{y}}{\Delta{x}} \] 而为了使得上式在计算机中可计算，就体现出了泰勒展开的重要性 使用pytorch的自动求导功能（结合nn.Parameter以及backwar 阅读全文
摘要：
1，什么是容器数据卷 如果运行过程中的数据都保存在容器中，那么一但删除容器数据就会丢失，因此需要容器数据持久化；此外，容器之间也有数据共享的需求。 容器数据卷技术的功能是将Docker容器中产生的数据同步到本地，本质是将容器内的目录挂载到宿主机上（目录的挂载，容器内的目录与宿主机的目录相绑定；绑定是 阅读全文
摘要：
计算公式 p范数（p-norm）:p的取值范围是[1.inf)，p在范围(0,1)内并不是范数，因为违反三角不等式（||x+y||≤||x||+||y||） \[ ||x||_{p}=(\sum_{i=1}^{n}|x_{i}|^{p})^{\frac{1}{p}} \] 单位球 范数≤1的所有向量 阅读全文
