摘要：
Building basic functions with numpy math.exp() 但是实际上在深度学习中数据往往是矩阵和向量形式，而math库函数的参数往往是一个实数，因而在深度学习中广泛使用numpy库。 numpy基础 numpy实现sigmoid函数： 求sigmoid函数的梯度 阅读全文
摘要：
下载安装Anaconda 首先下载Anaconda，可以从清华大学的镜像网站进行下载。 安装Anaconda，注意安装时不要将添加环境变量的选项取消掉。 安装完成之后，在安装目录下cmd，输入 conda list 可以查看Anaconda为我们提供的集成环境： 下面只是一部分截图： 查看版本信息： 阅读全文
摘要：
logistic 损失函数的解释（ Explanation of logistic regression cost function） 在逻辑回归中，需要预测的结果$\hat y$可以表示为$\hat y = \sigma ({w^T}x + b)$，我们约定$\hat y = p(y|x)$，也就 阅读全文
摘要：
关于 python _ numpy 向量的说明（ A note on python or numpy vectors） 这样会生成存储在数组a中5个高斯随机参数变量。a的结构为:(5,) ，这种结构在python中称为一个一维数组，它既不是行向量，也不是列向量。它的转置还是一个一维数组，并且a与a的 阅读全文
摘要：
Python 中的广播（ Broadcasting in Python） 如下，列举四种食物中的营养成分含量表： 现在想计算不同食物中不同营养成分中的卡路里百分比，在python中的实现： 注释： axis表示将要进行的计算是沿着哪个轴进行的，在numpy中0轴表示列，1轴表示行。 A/cal.re 阅读全文
摘要：
向量化 logistic 回归的梯度输出（ Vectorizing Logistic Regression's Gradient） 已知： $d{z^{(1)}} = {a^{(1)}} - {y^{(1)}}$ $d{z^{(2)}} = {a^{(2)}} - {y^{(2)}}$ 。。。 定义 阅读全文
摘要：
向量化逻辑回归(Vectorizing Logistic Regression) 前向传播过程中， 对第一个样本进行预测：${z^{(1)}} = {w^T}{x^{(1)}} + b$ $a(1) = \sigma ({z^{(1)}})$ 对第二个样本进行预测：${z^{(2)}} = {w^T 阅读全文
摘要：
向量化(Vectorization) 向量化是非常基础的去除代码中 for 循环的艺术 。 在逻辑回归中需要去计算$z = {w^T}x + b$，w，x都是列向量 ,如果维度为nx,那么采用非向量化的方式计算就需要采用下面的方法： 作为一个对比，向量化实现将会直接计算 {w^T}x： 向量化的实现 阅读全文
摘要：
计算图（ Computation Graph） 一个神经网络的计算，都是按照前向或反向传播过程组织的。首先我们计算出一个新的网络的输出（前向过程），紧接着进行一个反向传输操作。后者我们用来计算出对应的梯度或导数。 举个简单的例子，假如代价函数为J(a,b,c)=3(a+bc)，包含a，b，c三个变量 阅读全文
摘要：
逻辑回归的代价函数（ Logistic Regression Cost Function） 逻辑回归的代价函数(也称作成本函数),为了训练逻辑回归模型的参数w和参数b，需要一个代价函数。 损失函数又叫做误差函数，用来衡量算法的运行情况，Loss function:$L(\hat y,y)$ L称为的 阅读全文
摘要：
二分类(Binary Classification) 二分类就是输出 y 只有离散值 { 0, 1 }。 以一个图像识别问题为例，判断图片中是否有猫存在，0 代表 non cat，1 代表 cat。 一般来说，彩色图片包含RGB三个通道。我们首先要将图片输入x（维度是（64，64，3））转化为一维的 阅读全文
摘要：
什么是神经网络 假如我们要建立房价的预测模型，我们已知模型输入面积 x 及输出价格 y ，来预测房价：y = f(x)，我们用一条直线来拟合图中这些离散点（建立房价与面积的线性模型）。 这个简单的模型（蓝色折线）就是一个最简单的神经网络。 该神经网络的输入 x 是房屋面积，输出 y 是房价，中间包含 阅读全文
摘要：
绝对路径和相对路径 绝对路径：路径的写法一定由根目录 ‘/’写起，例如: 相对路径：路径的写法不是由根目录 ‘/’写起，例如: 第二个cd命令后跟 ‘test’, 并没有斜杠，这个 ‘test’ 是相对于 ‘/home’ 目录来讲的，所以叫做相对路径。 . 表示当前目录 .. 表示当前目录的上一级目 阅读全文
摘要：
目录结构简介 /：根目录，位于Linux文件系统目录结构的顶层，一般根目录下只存放目录，不要存放文件，/etc、/bin、/dev、/lib、/sbin应该和根目录放置在一个分区中。 /：根目录，位于Linux文件系统目录结构的顶层，一般根目录下只存放目录，不要存放文件，/etc、/bin、/dev 阅读全文
摘要：
求关注!!! Images Analysis 数据集介绍备注网址 Flickr30k 图片描述 31,783 images，每张图片5个语句标注 链接 Microsoft COCO 图片描述 330,000 images,每张图片至少5个语句标注 链接 ESP Game 多标签定义图像 20,770 阅读全文
摘要：
开机过程简述 开机BIOS自检，加载硬盘。 读取MBR,并进行Boot Loader引导。 加载内核kernel，Kernel检测硬件和加载驱动程序。 启动init进程，依据inittab文件设定运行级别 init进程，执行rc.sysinit文件来准备软件执行的操作环境。 启动内核模块，执行不同级 阅读全文
摘要：
虽然GStreamer是跨平台的framework，但不是所有的element都是在所有平台下都有的。比如，音频和视频的sink都非常依赖于当前的window系统，根据当前的平台需要选择不同的element。当然，你在运行playbin或者autovideosink这些element时不需要考虑跨平 阅读全文
摘要：
Bins 这些是Bin element，它们在内部包含其他的element，已经组成了内部的pipeline，但在外部，我们还是把它们当成一个element。 Playbin 这个element在整个系列的教程里面广泛的被使用了。它会处理播放的方方面面，从源经过解复用、解码到最后的显示。同时它也非常 阅读全文
摘要：
介绍 快进是以超过正常速度播放媒体的一项技术，反之，慢放是以低于正常速度播放的技术。倒放和播放是一样的，只不过是从后面朝前面播放。 所有这些技术做的都是修改播放速度这件事，如果说正常播放速度是1.0的话，那么超过1.0这个数字就是快进，低于1.0这个数字就是慢放了，正数就是从前朝后放，负数就是从后超 阅读全文
摘要：
介绍 直接播放Internet上的文件而不在本地保存就被称为流播放。我们在前面教程里已经这样做过了，使用了http://的URL。 当在播放流的时候，一旦从网络上取到媒体数据块就会进行解码和放入显示队列。这意味着如果网络来的数据延迟了，那么显示队列就可能没有数据，播放就会停下来。 解决这个问题的办法 阅读全文