原创 雙十一:好書推薦

今天11,11,是一個一心一意,愛這世界的表達日。 這一生啊,擇一人,一生一世一輩子,只愛你一人(小主)。 同時今天也是一心一意,表達對技術熱愛的日子,今天分享幾本好書。 ##1.深度學習模型及應用詳解  ##2.深度學習之Tens

原创 Siraj Raval計算機視覺CV指南

下面是 Siraj Raval,對學習計算機視覺CV的一份建議指南。 詳細原地址請看:https://github.com/zr940326/Learn_Computer_Vision 先決條件 學習Python https://www.

原创 論文記錄筆記NLP(四):transformer

這篇筆記主要是結合,各種學習資源,整理而成的查找筆記,整理的不好,還望指出錯誤,主要是用於查找與記錄。 NIPS 2017年的一篇論文,完全基於注意力機制的Transformer架構 摘要: 主流序列轉導模型基於複雜的循環神經網絡或卷

原创 學習筆記: 梳理19年到20年上半年 android 相關進修大雜記

這篇筆記,是自己學習的學習大雜燴,主要用於記錄,方便自己查找,其中有些,現在自己看起來都有點好笑,因爲錯的太低級了,不過這也是成長,後面會梳理好的 一、android相關筆記

原创 緩存筆記:關於NLP的一些項目

該篇筆記,主要是來自網絡的大雜燴,用於學習記錄之用,在此感謝各位博主,如有侵權,立馬刪除 一、緩存記錄一 來自於劉煥勇博主,文章地址:https://blog.csdn.net/lhy2014/article/details/82

原创 論文記錄筆記NLP(一):詞向量

這篇筆記主要是結合,各種學習資源,整理而成的查找筆記,整理的不好,還望指出錯誤,主要是用於查找與記錄。 摘要 我們提出了兩個新穎的模型架構用來計算大規模數據集中的連續詞向量表示。計算得出的結果通過詞相似任務進行衡量。通過將這些結果和目

原创 記錄:常用的幾款工具的使用記錄(Anaconda,Jupyter等)

這篇筆記,是自己結合網絡整合的大雜燴,主要用於記錄,方便自己查找,在此先感謝各位作者, https://blog.csdn.net/u012151283,https://blog.csdn.net/qq_27825451,...... 我

原创 學習筆記:Linux 總結圖雜記篇

該篇筆記,主要是來自劉超老師的《趣談Linux操作系統》,主要用於學習記錄,便於以後查找之用,在此感謝老師的辛苦付出,如有侵權,立馬刪除 ##1.Linux內核體系結構圖 ##2.Linux命令行圖 ##3.Linux系統調用 ##

原创 海量數據集,機器學習、視覺、NLP、音頻

以下記錄是來自於https://blog.csdn.net/perfectlwz/article/details/88761651,在此感謝李老師,我看到比較好,就轉記錄到自己的博客了,如果有侵權,立馬刪掉。 --------------

原创 元氣滿滿,2020的工作日的第一天

昨天,重慶加州花園,燃起了2020年第一把大火,是真的紅紅火火啊 看得嚇人,真是爲他們流了一把汗,可辛苦偉大的消防員了,整整燒了2個小時,物毀家毀,不值得啊。 ======================================

原创 論文記錄筆記NLP(六):Skip-Thought Vectors

這篇筆記主要是結合,各種學習資源,整理而成的查找筆記,整理的不好,還望指出錯誤,主要是用於查找與記錄。 NIPS 2015論文 摘要: 我們描述了一種通用、分佈式句子編碼器的無監督學習方法。使用從書籍中提取的連續文本,我們訓練了一個編

原创 論文記錄筆記NLP(五):Glove

這篇筆記主要是結合,各種學習資源,整理而成的查找筆記,整理的不好,還望指出錯誤,主要是用於查找與記錄。 Glove:基於全局共現信息的詞表示 --Glove,在word2vec基礎上的一種改進方法 摘要: 最近學習單詞的向量空間表示(

原创 學習筆記:whistle解決移動端的煩惱

我用過很多抓包調試工具,如:fiddler  ,Charles ,Wireshark,還有android Profiler自帶的網絡抓包等。      這些工具的給我第一個感覺,操作麻煩,十分繁瑣,到目前爲止,我還沒有發現哪一款能夠和w

原创 梳理19年下半年圖文記錄筆記(linux淺學篇)

這篇筆記,是自己學習的學習大雜燴,主要用於記錄,方便自己查找,其中有些,現在自己看起來都有點好笑,因爲錯的太低級了,不過這也是成長,後面會梳理好的。

原创 論文記錄:Deep learning

這篇筆記主要是結合,各種學習資源,整理而成的查找筆記,整理的不好,還望指出錯誤,主要是用於查找與記錄。   深度學習可以讓那些擁有多個處理層的計算模型來學習具有多層次抽象的數據的表示。這些方法在許多方面都帶來了顯著的改善,包括最先進的語