Zekegu1997

李宏毅老师课程链接 对于seq2seq的问题，可以选择用RNN或者CNN来解决，但是RNN无法做到平行的处理一个序列，也很难处理一个很长的序列。而CNN则需要多层才能看到比...

李宏毅老师课程链接 为能够把神经网络放到移动端设备或者能进行实时计算，就需要压缩网络的大小提高效率。 一个庞大的网络中，其实有很多节点和权重几乎是没有作用的，那么压缩网络最...

李宏毅老师课程链接 深度学习的网络往往是一个黑盒子，就是说我们并不知道里面发生了什么，怎么发生的，只知道结果如何。 所以我们要想一些办法来了解深度学习的网络究竟是怎么运作的...

课程链接 半监督学习的原理跟我们自己学习辨认物体是很接近的，小时候可能父母长辈会在某次见到猫狗时告诉你这个是猫，这个是狗。但是之后就不会每次都告诉了，而实际上猫狗的形态多种...

RNN的基本特点就是拥有储存上一次节点的输出结果的能力。这样一来，网络的循环迭代之间就是有关系的，即便是同样的输入集合，只要改变其输入序列，输出结果就会完全不一样。 因为这...

卷积神经网络常用于图像识别和图像处理的领域 它在进行图像识别时有三个优势： 一是可以识别只占图像一小部分的某个特征图样， 二是可以识别在不同区域出现的同一种特征， 三是对图...

之前介绍了Adagrad方法，就是根据当前梯度来决定学习率的大小。 当函数模型比较复杂扭曲时，仅根据当前梯度是不够的，可能还要参考之前的梯度大小。RMSProp就是这样一种...

课程链接 只有当在训练数据上准确率高，而在测试数据上准确率很低时才是出现了过拟合现象。解决过拟合需要从模型上下手。 如果在训练数据上就表现的不好，那么应当是在模型训练上出了...

课程链接 曾经有人证明了，用一层隐藏层的神经网络就可以表示任何函数。那么多层的深度网络是否还有必要呢？ 要回答这个问题，实际上也就是要阐述深度学习的意义和优势。假如我们要分...

在知道w和b参数的情况下输入输出的情况 这样建立起了多层的网络，输入称为输入层，输出的前一层称为输出层，中间的部分称为隐藏层。所谓深度，指的就是有很多层隐藏层。 神经网络可...

学习率如果过大会导致损失函数卡住无法下降，甚至上升，学习率如果过小则会导致收敛过慢。Adagrad是选择学习率的一种常用方法。具体公式如下 对于这个公式的直观解释，是为了强...

机器学习中的误差主要来源有两种： bias和variance 当模型复杂度低时，bias大variance小 当模型复杂度高时，bias小variance大 这也是欠拟合与...

立方纹理是一种特殊纹理，它利用从立方体中心出发的方向向量进行纹理的采样，如下图： 方向向量的大小并不重要，只要提供了方向，OpenGL就会获取方向向量（最终）所击中的纹素，...

这一节我们要读入外部的3D模型，为此我们要用到Assimp库，还需要创建一个mesh类和model类。assimp将一个模型加载到一个scene对象中，这个对象下存有根节点...

0.5f, -0.5f, 0.0f, 1.0f, 0.0f, 0.-0.5f, -0.5f, 0.0f, 0.0f, 1.0f, 0.0.0f, 0.5f, 0.0f, 0...

图像传感器的动态范围都很小, 但是真实场景中亮度的动态变化范围却非常广, 平常大部分场景的亮度范围都远远超过了图像传感器所能感受的动态范围, 因此, 需要一种特殊的图像, ...