原创 雙顯卡UBuntu16.04安裝Caffe

雙顯卡UBuntu16.04安裝Caffe 2017年2月2日記 Ubuntu16.04 + CUDA8.0 + CUDNN +opencv3.1 + Caffe 作者已經裝過N遍caffe了,苦逼的原因是因爲雙顯卡的電腦,

原创 July深度學習筆記之神經網絡與反向傳播算法

July深度學習筆記之神經網絡與反向傳播算法 一、神經網絡 神經網絡的大致結構如下; 大致可以分爲輸入層、隱藏層與輸出層。 而我們可以單獨拿出來一個結點,可以發現,其實它就是類似一個邏輯迴歸(LR),這樣的單獨一個節點我們把它稱

原创 《劍指offer》--- 鏈表中的倒數第k個結點 和 反轉鏈表

《劍指offer》— 鏈表中的倒數第k個結點 和 反轉鏈表 2017年2月3日記 一、面試題15:鏈表中的倒數第k個結點 題目:輸入一個鏈表,輸出該鏈表的倒數第k個結點。 正常來說,最常規的做法是從頭結點開始順序遍歷,遍歷

原创 FaceNet: A Unified Embedding for Face Recognition and Clustering論文解讀

這篇paper提出了一個統一的系統,通過CNN來學習圖片的歐氏嵌入,在嵌入空間的歐氏距離可以直接和相似度correspond。 和其他方法不同,FaceNet使用triplet loss直接訓練輸出128-D的embedding

原创 機器學習面試準備之一、線性迴歸與邏輯迴歸

機器學習面試準備之一、線性迴歸與邏輯迴歸 (1)線性迴歸(Linear Regression): 線性迴歸纔是真正用於迴歸的,而不像logistic迴歸是用於分類,其基本思想是用梯度下降法對最小二乘法形式的誤差函數進行優化。單變

原创 July深度學習之RNN循環神經網絡

RNN循環神經網絡 一、簡介 首先,爲什麼有BP神經網絡和CNN,還要提出RNN? 因爲傳統的神經網絡,包括CNN,它的輸入和輸出是互相獨立的。但有些時候,後續的輸出和前面的內容是相關的。比如,我是中國人,我的母語是_. 所有,

原创 《劍指offer》--- 在O(1)時間內刪除鏈表結點 和 調整數組順序使得奇數位於偶數前面

《劍指offer》— 在O(1)時間內刪除鏈表結點 和 調整數組順序使得奇數位於偶數前面 2017年2月2日記 一、面試題13:在O(1)時間內刪除鏈表結點 題目:給定單向鏈表的頭指針和一個結點指針,定義一個函數在O(1)時

原创 Kaggle Digit Recognizer 基於sklearn實現的手寫數字識別 for MNIST data

Kaggle Digit Recognizer 基於sklearn實現的手寫數字識別 for MNIST data 一、手寫數字識別數據集 手寫數字識別數據集是非常著名的數據集。 介紹和下載地址:http://yann.lecu

原创 機器學習面試準備之二、優化方法

機器學習面試準備之二、優化方法 一、梯度下降 梯度下降法是一種最優化方法,用來優化cost function。 梯度下降法的最大問題就是會陷入局部最優,並且每次在對當前樣本計算cost的時候都需要去遍歷全部樣本才能得到cost值

原创 《劍指offer》——二維數組中的查找 和 替換空格

《劍指offer》——二維數組中的查找 和 替換空格 2017年1月28日記 一、數據結構 鏈表和樹是面試中出現頻率最高的數據結構。棧是一個與遞歸緊密相連的數據結構,同樣隊列也與廣度優先遍歷算法密切相關。 數組的內存是連續的,

原创 July深度學習筆記之圖像檢測、NeuralStyle

July深度學習筆記之圖像檢測、NeuralStyle 一、圖像識別與定位 我們首先看看圖像識別與定位如何實現。 首先,對於CNN來說,做圖像分類已經能夠有很好的效果。輸入一張圖片,會輸出類的標籤。而定位Locatization

原创 《大數據日知錄》讀書筆記未完待續

《大數據日知錄》讀書筆記未完待續 點贊 收藏 分享 文章舉報 如今我已劍指天涯 發佈了67 篇原創文章 · 獲贊 120 · 訪問量 22萬+ 私信

原创 《劍指offer》---旋轉數組中的最小數字 和 斐波那契數列

《劍指offer》—旋轉數組中的最小數字 和 斐波那契數列 2017年1月31日記 一、面試題8:旋轉數組中的最小數字 題目:把一個數組最開始的若干元素搬到數組的末尾,我們成爲數組的旋轉。輸入一個遞增排序的數組的一個旋轉,輸

原创 TensorFlow手寫數字識別mnist example源碼分析

TensorFlow手寫數字識別mnist example源碼分析 TensorFlow 默認安裝在 /usr/lib/Python/site-packages/tensorflow/ 實例文件位於tensorflow/mod

原创 機器學習面試準備之三、決策樹與隨機森林

機器學習面試準備之三、決策樹與隨機森林 一、決策樹闡述 決策樹是一種基本的分類與迴歸方法,學習通常包含三個步驟:特徵選擇、決策樹的生成和決策樹的剪枝。 決策樹由結點和有向邊組成,結點包括內部結點和葉節點,內部結點表示一個特徵或屬性