原创 到底什麼是所謂的國家眼裏的 人工智能---ATL篇
因爲國家說的人工智能和知乎說的人工智能壓根不是一個東西啊 在知乎上，一提到人工智能，基本上就認定是深度學習，部分人會提一嘴支持向量機之類的東西，這是目前學界的思路，人工智能和機器學習是一定程度劃等號的 但是國家可不這麼想，他們不管你統不統
2020-06-30 21:47:54
原创 搜狗王小川：人類與 AI 的相處之道
https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9187371638000164403%22%7D&n_type=1&p_fr
2020-06-30 21:47:54
原创 趨勢預測算法大PK！
https://blog.csdn.net/dQCFKyQDXYm3F8rB0/article/details/106368395 趨勢預測在很多應用場景中都會起到至關重要的作用，比如淘寶商家會考慮庫存量應該保持在多少才能夠滿足客戶需求，
2020-06-01 02:56:51
原创 paddleX LIME可解釋性
使用LIME算法將模型預測結果的可解釋性可視化。LIME表示與模型無關的局部可解釋性，可以解釋任何模型。LIME的思想是以輸入樣本爲中心，在其附近的空間中進行隨機採樣，每個採樣通過原模型得到新的輸出，這樣得到一系列的輸入和對應的輸出，LI
2020-06-01 02:56:51
1
原创 傳統高精度機器視覺與深度學習機器視覺如何結合？(佔坑)
總結一下： 在簡單、固定的情形裏面，傳統算法或許能在計算資源消耗上優於深度學習，但是算法的表現最多隻能是媲美訓練perfect的深度學習模型；但是在複雜且干擾甚多的情形下，傳統算法綜合來說無法媲美深度學習模型。 那麼傳統算法如何同深度學習
2020-06-01 02:56:51
原创 深度學習做圖像識別，和傳統方式比有啥好處？
傳統方法中特徵提取主要依賴人工設計的提取器，需要有專業知識及複雜的調參過程，同時每個方法都是針對具體應用，泛化能力及魯棒性較差。 深度學習主要是數據驅動進行特徵提取，根據大量樣本的學習能夠得到深層的、數據集特定的特徵表示，其對數據集的表達
2020-06-01 02:56:51
8
原创 神經網絡中 warmup 策略爲什麼有效
這個問題目前還沒有被充分證明，我們只能從直覺上和已有的一些論文[1,2,3]得到推測： 有助於減緩模型在初始階段對mini-batch的提前過擬合現象，保持分佈的平穩 有助於保持模型深層的穩定性 下面來看一下爲什麼warmup會有這樣的效
2020-06-01 02:56:51
原创 關於學區房和孩子的教育問題
知乎一個回答： 奮鬥五年還不如深圳三個月漲的房價多，奮鬥還有什麼意義？ V6.47 文思無阻時，天色終漸亮 朋友，如果你不被房價煩惱的話，一線城市簡直就是天堂。 你在一線城市月入兩萬，房租五千。在三線城市月入六千，房租一千。只要你不
2020-06-01 02:56:51
原创 經典網絡GoogLeNet(Inception V3)的搭建與實現(全網最佳版本)
作者總結的很好：https://blog.csdn.net/loveliuzz/article/details/79135583
2020-06-01 02:56:51
1
原创 shuffle_seed: 0 # 數據打散的種子 幹嘛用的
https://blog.csdn.net/u010589524/article/details/89371919 TRAIN: # 訓練配置 batch_size: 32 # 訓練的batch size num_w
2020-06-01 02:56:51
原创 幾大深度學習框架對比
12.4 深度學習框架對比 · Issue #332 · vieyahn2017/iBlog https://github.com/vieyahn2017/iBlog/issues/332
2020-06-01 02:56:51
原创 超像素---番外篇解釋
解釋：把 一系列 位置相鄰的， 比如顏色， 紋理，亮度等特徵相近的 連續小區域。 超像素最直觀的解釋，便是把一些具有相似特性的像素“聚合”起來，形成一個更具有代表性的大“元素”。 而這個新的元素，將作爲其他圖像處理算法的基本單位。 一來大
2020-05-27 17:35:16