原创 使用RNN神經網絡自動生成名字 (不使用深度學習框架,源碼)

本文講解在不使用深度學習框架的情況下,構建一個基本的RNN神經網絡來進行名字自動生成。RNN模型請看下面的三張圖片。本文主要講解數據集以及輸入模型的數據格式。 數據集和可執行的源碼下載地址:https://github.com/lia

原创 使用LSTM神經網絡進行音樂合成(數據格式,模型構建,完整源碼)

本文章將講解如何借用機器學習框架Tensorflow和Keras,構建LSTM神經網絡模型,通過學習音樂數據,來自動合成一段音樂。 訓練的原始音樂數據爲:下載試聽 合成的音樂例子:下載試聽 完整代碼(包含訓練數據集):源碼下載。其中主

原创 RNN和LSTM的正向/前向傳播-圖示公式和代碼

本文先講的基礎版本的RNN,包含內部結構示意圖,公式以及每一步的python代碼實現。然後,拓展到LSTM的前向傳播網絡。結合圖片+公式+可運行的代碼,清晰充分明白RNN的前向傳播網絡的具體過程。完整的可執行的代碼見文末。 下面圖片是

原创 最新(2019/3)CSDN博客Markdown編輯格式說明,包含效果圖

@[TOC](這裏寫自定義目錄標題) # 歡迎使用Markdown編輯器 你好! 這是你第一次使用 **Markdown編輯器** 所展示的歡迎頁。如果你想學習如何使用Markdown編輯器, 可以仔細閱讀這篇文章,瞭解一下Mar

原创 Visual Studio 2017工程項目的幾個重要文件解析

一般的VS項目目錄結構爲: 解決方案(solution)名字 xx.sln 配置文件 工程名字1 xx.vcxproj 配置文件 xx.vcxproj.user 配置文件 xx.vcxproj.filters 配置文件 工

原创 擬合係數 / 決定係數 / R方 / R^2的理解

先附上公式,來自wiki,然後給出個人理解: 上面公式中,紅圈表示的是擬合係數計算公式,SSresSS_{res}SSres​表示真實值與預測值的差的平方之和,也就是預測值與真實值的誤差。SStotSS_{tot}SStot​表示平

原创 MIT出品2017-2018深度學習最新進展彙總

本文內容整理自MIT教育視頻,講解的是近兩年來深度學習一些方面最現今的進展,類似於綜述。本文將列舉出內容的綱要,視頻連接資源和PPT資源下載鏈接。 視頻的綱要 Deep Learning: State of the Art* (Br

原创 在windows下基於visual studio2017和CMake的安裝Google glog

這裏簡單記錄安裝google glog在windows下基於visual studio2017的安裝過程。 下載 https://github.com/google/glog 使用cmake編譯,編譯結果存放在一個目錄下,可命

原创 Stream Processing:滑動窗口的聚集(aggregation)算法的優化(3)

這篇文章將繼續上一篇,link,講解了滑動窗口的相關基礎理論。這篇文章將重點簡介滑動窗口聚集操作的各個優化算法中的B-Int. B-Int算法 B-Int,全稱爲short for base intervals,該算法出自論文 Res

原创 Stream Processing:滑動窗口的聚集(aggregation)操作的優化(1)

本文將要講解實時計算的流處理中滑動窗口聚集操作的相關優化算法。目前中文博客中基本沒有這方面的內容,這是寫這篇文章的原因之一。本文將包含以下幾個方面的內容: 什麼是滑動窗口? 什麼是滑動窗口的聚集操作? 聚集操作的優化的必要性在哪裏?

原创 Stream Processing:滑動窗口的聚集(aggregation)算法的優化(2)

這篇文章將繼續上一篇,link,講解了滑動窗口的相關基礎理論。這篇文章將重點簡介滑動窗口聚集操作的各個優化算法中的No Pane No Gain No Pane No Gain算法 該算法出自論文 No Pane, No Gain:

原创 Apache Flink分佈式流處理的快照原理

本文將要講解的是Apache Flink分佈式流處理的輕量異步的快照原理。網上已經有幾篇相關的博文,而本文的不同之處在於,它不是論文的純粹翻譯(論文地址),而是用自己的語言結合自己的理解對其原理的闡述。 本文將同下面幾個方面講解:

原创 各領域機器學習數據集彙總

大學公開數據集 (Stanford)69G大規模無人機(校園)圖像數據集【Stanford】 http://cvgl.stanford.edu/projects/uav_data/ 人臉素描數據集【CUHK】 http://mmlab

原创 S4系統模型分析和關鍵源碼讀解

S4(Simple Scalable Stream System) 流數據處理系統是Yahoo!公司提出的,在2011年的時候成爲Apache軟件基金下的一個孵化項目,可惜的是在2014年的時候該孵化項目“退休”了,具體原因未知!!從

原创 分析JVM雙親委派模型的類加載源碼 自定義類加載器

雙親委派模型下,在父類加載器無法加載的情況下再由當前類加載器去加載。具體的實現邏輯在java.util.ClassLoader抽象類的loadClass方法中。在該方法中,先檢查是否已經加載過,如果沒有,就讓父類加載器加載。如果父類加