10 2016 档案
摘要:w权值的初始化,之前最好的方法是 也就是输入神经元和输出神经元中随机一个数,然后除以输入神经元的个数开根号 因为全连接层波动较大,所以加在FC后面 这里Y,b是为了对信息的一个还原
阅读全文
摘要:训练时, solver.prototxt中使用的是train_val.prototxt ./build/tools/caffe/train -solver ./models/bvlc_reference_caffenet/solver.prototxt 使用上面训练的网络提取特征,使用的网络模型是d
阅读全文
摘要:B树 B+树 1.其定义基本与B-树同,除了: 2.非叶子结点的子树指针与关键字个数相同;而B树是关键字k,那么子树是K+1 3.非叶子结点的子树指针P[i],指向关键字值属于[K[i], K[i+1])的子树(B-树是开区间); 4.为所有叶子结点增加一个链指针; 5.所有关键字都在叶子结点出现;
阅读全文
摘要:Reference: https://blog.csdn.net/u013385925/article/details/80385873 之前实习的时候一直见公司里面的人说什么AUC, 实际AUC就是ROC曲线的面积 2针对一个二分类问题,将实例分成正类(postive)或者负类(negative)
阅读全文
摘要:世界坐标系:是为了描述相机的位置而被引入的 相机坐标系: 整个转换过程:世界坐标系中点经过R,T到相机坐标系,经过投影关系到像素坐标系,像素坐标系再转换到像屏幕坐标系,这样就是我们看到的二维图像上的坐标位置了。 相机的内参数,dx,dy,u0,v0,that(最后,由于相机制造工艺的误差,相机的成像
阅读全文
摘要:从图中可以看出,map阶段的shuffle: 例如word count,当内存缓冲区满的时候会写到磁盘,一个spill,每个spill,进行分区,排序,最后将同一个分区word合并在一起,写入到磁盘中 reduce阶段:将不同map的相同分区的部分,进行merge,最后结果为reduce的输入 hi
阅读全文
摘要:推荐系统实践 第一章:好的推荐系统 推荐系统实验方法: 离线实验 用户调查 在线实验:AB测试,将用户分成不同的组,然后不同组里面用不同算法,最后根据后台日志数据库,分析得出哪些算法比较好 推荐系统的测评指标 1、 用户满意度(用户调查,在线实验) 2、 预测准确度(离线) 打分系统: TOPN 推
阅读全文
摘要:训练集上面,加一个bool型的开关 做预测的时候,不需要打开开关,而是所有的数乘以p, 实际工业界做的时候是: 在训练的时候都除以p,在做预测的时候什么时候都不用干
阅读全文
摘要:xgboost后面加了一个树的复杂度 对loss函数进行2阶泰勒展开,求得最小值, 参考链接:https://homes.cs.washington.edu/~tqchen/pdf/BoostedTree.pdf https://www.zhihu.com/question/41354392
阅读全文
摘要:简历上写了这一项,鉴于时间隔的太久,每次面试的时候问到这个问题的时候,都是一脸蒙蔽啊。。 还有一篇关于AP解释的blog:http://blog.csdn.net/a1154761720/article/details/50864994 " 如果做VOC competition一定会用到一个评价指标
阅读全文
摘要:TCP首部20个字节 1、为什么TCP要三次握手建立连接? TCP连接过程,客户端发送请求到服务器,服务器确认请求发送到客户端,客户端再发送确认请求到服务器 原因:简言之,为了防止失效的连接请求发送到服务端,造成服务端以为建立了连接一直等到客户端的数据,知道超出了保活计数器的设定值,才意识到客户端出
阅读全文
摘要:GBDT算法推导过程 m次迭代,n个类别,那么就意味着学习了m*n棵回归树 train过程:假设有8个训练样本,3个类别 步骤一、假设所有样本的F矩阵,F矩阵是8*3的,F矩阵刚开始全为0,而实际每个样本都有一个属于的类别y,y能组成一个实际的矩阵也是8*3的 步骤二、决策树是不断学习残差的过程,这
阅读全文
摘要:JAVA中只有一种public继承
阅读全文
摘要:class 类继承默认是private, struct 默认继承是public C++中的隐藏: 只要派生类中出现和基类一样的函数名,基类中的函数就会被派生类中的函数给隐藏(如果派生类和基类中的函数名,函数参数列表一样,并且基类函数前面有virtual,那么此种情况是重写) eg: class A
阅读全文