原创 吳恩達deep learning筆記week4

話不多說,直接上圖,滿分100分完成深度學習第一課,對Neural Networks的細節有了更深的認識,手動一步步實現的感覺非常cool

原创 python 十大實用技巧

Python 是一種代表簡單思想的語言,其語法相對簡單,很容易上手。不過,如果就此小視 Python 語法的精妙和深邃,那就大錯特錯了。本文精心篩選了最能展現 Python 語法之精妙的十個知識點,並附上詳細的實例代碼。如能在實戰中融會貫

原创 神經網絡中激活函數的那些事

本篇博客內容主要來自andrew NG的課程。 我們知道,當我們構建神經網絡時,會再神經元上接個激活函數,我們下面詳細討論這個話題。 首先介紹四種激活函數,它們分別是 Sigmoid tanh Relu Leaky_Relu

原创 深度學習之超參調節 、算法優化

首先介紹下,mini-batch gradient descent 在之前的講解中,我們使用梯度下降來優化時,都是將所有training data全部輸入,計算cost 這種算法叫做 batch gradient descent

原创 MMO ARPG個人遊戲開發

最近在空閒時間,練手獨立開發一個 多人在線的ARPG。已經做了1/10,我會慢慢更新開發進度。也是督促自己不要半途荒廢。 主要原因,是自己的工作並不是遊戲開發,不像荒廢了unity3d技術,也是因爲自己喜歡開發遊戲。 ----------

原创 python簡易爬蟲獲取A股上證所有股票歷史數據

設計方案,分兩步: 首先,從連板網獲取上證所有股票名稱和股票代碼。 然後,從雅虎財經(yahoo)根據股票代碼獲取該股票的數據。注意上證股票代碼後要加".ss"深證要加".sz" 下面是代碼: 首先從爬取所有股票名和code到本地,文件名

原创 pandas 之切割 cut 與 qcut 功能與區別

一、功能: 兩者功能相似,都是將一個Series切割成若干個分組 api 可以看官網詳細介紹,大致如下: pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplica

原创 unity3d之貪喫蛇

臨時興起,寫一個貪喫蛇教程吧。 本來覺得會很好寫,結果寫了整整一下午,還是自己代碼寫的太少,操作起來不靈活,思路會短路。 廢話不多說。先上圖: 邏輯很簡單,但自己本來在明確思路的情況下卻在寫代碼時走了彎路,核心部分是蛇吃了綠色的食物後

原创 Sequence Models

序列模型 如下圖,常見的幾個序列模型的應用:1、語音識別 2、音樂生產 3、文本情感分類 4、DNA序列分析 5、機器翻譯 6、視頻運動識別 7、命名實體識別。 下圖是該博客使用的符號說明: x代表輸入序列,y代表輸出序

原创 世界上最好的學習法:費曼學習法

原文鏈接:https://www.choupangxia.com/2019/09/26/%E4%B8%96%E7%95%8C%E4%B8%8A%E6%9C%80%E5%A5%BD%E7%9A%84%

原创 Sigmoid作爲激活函數導致的梯度消失問題

首先,問題描述: 當很多個使用sigmoid的Layers 加到神經網絡中時,損失函數的梯度會接近0,這會導致 network難以訓練。因爲我們使用梯度乘以學習率來更新權值參數的。 那麼爲什麼呢? 像sigmoid這樣的激活函數,

原创 中文分詞之HMM

原文鏈接:https://www.cnblogs.com/yufan27209/p/7676875.html 關於HMM模型的介紹,網上的資料已經爛大街,但是大部分都是在背書背公式,本文在此針對

原创 吳恩達deep learning筆記 week1

爲什麼深度學習近些年來取得如此大的進步? 我們從下圖可以得到一些答案 如圖,橫軸是數據量的大小,軸承是模型的表現 我們可以看到,傳統的機器學習模型在數據量較小時,隨着數據量的增加,性能會快速得到提升,但是當數據量超過一定量時,再

原创 通過實例輕鬆理解條件隨機場(CRF)?

原文鏈接:https://www.jianshu.com/p/55755fc649b1 理解條件隨機場最好的辦法就是用一個現實的例子來說明它。但是目前中文的條件隨機場文章鮮有這樣乾的,可能寫文章

原创 吳恩達deep learning筆記 Neural Networks week2

通過神經網絡來解決二分類問題 首先是任何和基本符號的說明 我們要解決一個二分類問題,比如要識別一副圖片是否是一隻貓咪,所以輸入是圖片數據,輸出是 1 or 0 代表是貓咪,不是貓咪 (x,y)代表訓練數據的一條數據對,x是輸入數據