首页
题库
公司真题
专项练习
面试题库
在线编程
面试
面试经验
AI 模拟面试
简历
求职
学习
课程
专栏·文章
竞赛
搜索
我要招人
发布职位
发布职位、邀约牛人
更多企业解决方案
在线笔面试、雇主品牌宣传
登录
/
注册
路遥_7
获赞
0
粉丝
4
关注
0
看过 TA
0
男
北京电影学院
2020
算法工程师
IP属地:未知
暂未填写个人简介
私信
关注
拉黑
举报
举报
确定要拉黑路遥_7吗?
发布(8)
刷题
路遥_7
2019-08-12 20:44
已编辑
算法工程师
深度学习笔记复习整理md版(更新中)
之前学习吴恩达深度学习视频的时候,笔记都做于笔记本上。借此秋招复习之际,将之更于博客中,并附加一些之后所学的知识。 一、归一化输入与BatchNormalization 1、归一化输入 加速网络学习收敛、往往是输入层。 Z-Score(0均值、1方差)归一化步骤:①、零均值化:②、归一化方差: 线性(最大最小)归一化公式:这种归一化方法比较适用在数值比较集中的情况。这种方法有个缺陷,如果max和min不稳定,很容易使得归一化结果不稳定,使得后续使用效果也不稳定。实际使用中可以用经验常量值来替代max和min。 非线性归一化:经常用在数据分化比较大的场景,有些数值很大,有些很小。通过一些数学...
0
点赞
评论
收藏
转发
路遥_7
2019-08-08 23:03
算法工程师
U-Net, U-Net++
rtrt
0
点赞
评论
收藏
转发
路遥_7
2019-08-11 06:53
已编辑
算法工程师
YOLOv1, v2, v3、SSD复习整理(更)
one-stage目标检测网络
0
点赞
评论
收藏
转发
路遥_7
2019-08-08 22:53
算法工程师
论文阅读笔记:DANet(双监督机制语义分割网络)
待写催自己更
0
点赞
评论
收藏
转发
路遥_7
2019-08-11 10:34
已编辑
算法工程师
MobileNetV1, V2, V3整理(更)
MobileNet V1 v1版本的mobilenet,在自己的倒立摆实践中有过使用。在GPU上预测每张图片,仅用时4ms左右,达到了实时的效果。 mobilenet v1网络的核心,主要是使用了depthwise convolution 和 pointwise convolution两种卷积。 Depthwise convolution & Pointwise convolution depthwise convolution和pointwise convolution将普通的卷积,拆分成两个过程:即各个像素与卷积核相乘求和,以及各通道相加这两个过程。 depthwise convo...
0
点赞
评论
收藏
转发
路遥_7
2019-08-16 17:09
已编辑
算法工程师
机器学习笔记复习整理(更新中)
本文主要整理,之前在学习吴恩达机器学习和李航的统计学习方法时的部分笔记。 统计学习方法书,主要讨论监督学习问题。 一、统计学习方法概论 统计学习方法是由模型、策略和算法构成的。 模型:表示输入到输出的映射,可以是条件概率分布或者决策函数。所有可能的模型的集合称为假设空间。 策略:通过确定学习策略,进而确定按怎样的准则学习或选择最优的模型,即从假设空间中选择最优的模型。首先确定损失函数来度量模型预测错误的程度,再希望损失最小。也可以加入正则项。 算法:策略将统计学习问题归结为数学上的最优化问题,统计学习的算法则是求解最优化问题的算法。同时,因...
0
点赞
评论
收藏
转发
路遥_7
2019-08-11 06:54
已编辑
算法工程师
论文阅读笔记:CornerNet(更)
论文阅读笔记:CornerNet
0
点赞
评论
收藏
转发
路遥_7
2019-08-12 20:36
已编辑
算法工程师
深度学习笔记复习整理(更新中)
之前学习吴恩达深度学习视频的时候,笔记都做于笔记本上。借此秋招复习之际,将之更于博客中,并附加一些之后所学的知识。 一、归一化输入与BatchNormalization 1、归一化输入 加速网络学习收敛、往往是输入层。 Z-Score(0均值、1方差)归一化步骤: ①、零均值化: ②、归一化方差: 线性(最大最小)归一化公式: 这种归一化方法比较适用在数值比较集中的情况。 这种方法有个缺陷,如果max和min不稳...
0
点赞
评论
收藏
转发
1
工具箱
TA的圈子
暂未加入圈子
TA的圈子
TA的笔记
暂无笔记
TA的笔记
登录
0
天
已登录
0
天
连续登录
0
人
今日访客
牛客网
牛客企业服务