原创 算法工程師修仙之路:Keras(三)

深度學習基礎 什麼是深度學習 爲什麼是深度學習,爲什麼是現在 深度學習用於計算機視覺的兩個關鍵思想,即卷積神經網絡和反向傳播,在1989年就已經爲人們所知。長短期記憶(LSTM, long short-term memory

原创 算法工程師修仙之路:Keras(二)

深度學習基礎 什麼是深度學習 深度學習之前:機器學習簡史 深度學習不一定總是解決問題的正確工具: 有時沒有足夠的數據,深度學習不適用; 有時用其他算法可以更好地解決問題。 概率建模 概率建模(probabilist

原创 算法工程師修仙之路:Keras(五)

深度學習基礎 神經網絡的數學基礎 神經網絡的數據表示 數據存儲在多維 Numpy 數組中,也叫張量(tensor)。一般來說,當前所有機器學習系統都使用張量作爲基本數據結構。 張量這一概念的核心在於,它是一個數據容器。它

原创 算法工程師修仙之路:Keras(七)

深度學習基礎 神經網絡的數學基礎 神經網絡的“齒輪”:張量運算 所有計算機程序最終都可以簡化爲二進制輸入上的一些二進制運算(AND、OR、NOR等),與此類似,深度神經網絡學到的所有變換也都可以簡化爲數值數據張量上的一些張量

原创 算法工程師修仙之路:Keras(六)

深度學習基礎 神經網絡的數學基礎 神經網絡的數據表示 在 Numpy 中操作張量 我們可以使用語法 train_images[i] 來選擇沿着第一個軸的特定數字,選擇張量的特定元素叫作張量切片(tensor slicing)

原创 算法工程師修仙之路:Keras(八)

深度學習基礎 神經網絡的數學基礎 神經網絡的“齒輪”:張量運算 張量變形 第三個重要的張量運算是張量變形(tensor reshaping)。張量變形是指改變張量的行和列,以得到想要的形狀。變形後的張量的元素總個數與初始張量

原创 算法工程師修仙之路:Keras(四)

深度學習基礎 神經網絡的數學基礎 初識神經網絡 我們來看一個具體的神經網絡示例,使用 Python 的 Keras 庫來學習手寫數字分類。 我們這裏要解決的問題是,將手寫數字的灰度圖像(28 像素 × 28像素)劃分到1

原创 算法工程師修仙之路:Mxnet(一)

深度學習簡介 與其設計一個解決問題的程序,不如從最終的需求入手來尋找一個解決方案。事實上,這也是目前的機器學習和深度學習應用共同的核心思想:我們可以稱其爲“用數據編程”。 通俗來說,機器學習是一門討論各式各樣的適用於不同問

原创 算法面試題系列:Leetcode 數據結構探索:隊列和棧(一)

Leetcode 算法面試題之路(一) 隊列 & 棧介紹 在數組中,我們可以通過索引訪問隨機元素。但是,在某些情況下,我們可能想要限制處理順序。 比如我們可以選擇兩種不同的處理順序,先入先出和後入先出,分別對應兩個不同的線性數

原创 CS231n:面向視覺識別的卷積神經網絡學習筆記(四)

線性分類 損失函數 從圖像像素值到所屬類別的評分函數(score function)的參數是權重矩陣 W。 在函數中,數據 (xi,yi)(x_i,y_i)(xi​,yi​) 是給定的,不能修改。但是我們可以調整權重矩陣

原创 鳥哥的 Linux 私房菜(07_1)

第七章 Linux 磁盤與文件系統管理 系統管理員很重要的任務之一就是管理好自己的磁盤文件系統,每個分區槽不可太大也不能太小,太大會造成磁盤容量 的浪費,太小則會產生文件無法儲存的困擾。 認識 Linux 文件系統 Lin

原创 計算機組成原理之機器:(二)

第二章 系統總線 3.1 總線的基本概念 總線是連接各個部件的信息傳輸線,是各個部件共享的傳輸介質。 總線上信息的傳送:串行和並行。 總線結構的計算機舉例 單總線結構框圖 面向 CPU 的雙總線結構框圖

原创 計算機組成原理之機器:(一)

第1章 計算機系統概論 1.1 計算機系統簡介 現代計算機的多態性 把感應器嵌入和裝備到電網、鐵路、橋樑、隧道、公路、建築、供水系統、大壩、油氣管道等各種物體中,並且被普遍連接,形成所謂“物聯網”,然後將“物聯網”與現有的互聯

原创 面試與筆試算法題:leetcode_07

Leetcode 第七題:整數反轉 題目描述及要求 題目概述: 給出一個 32 位的有符號整數,你需要將這個整數中每位上的數字進行反轉。 題目示例: 示例 1: 輸入: 123 輸出: 321 示例 2:

原创 劍指offer筆記(一)

第一章 面試的流程 面試官談面試 對於初級程序員,一般會偏向考察算法和數據結構,看應聘者的基本功;對於高級程序員,會多關注專業技能和項目經驗。 應聘者要事先做好準備,對公司近況、項目情況有所瞭解,對應聘的工作很有熱情。另