神经元
想一想便知道，当一个人捏你一下以至于你会痛得叫起来的力度便是神经元的阈值，而我们构建的时候也是把这种现象抽象成一个函数，叫作激活函数。
而这里便是我们使用sigmoid函数的原因，它是一个很简单的函数，平滑更接近显示。
[y=frac{1}{1+e^{-x}}]
神经网络传递
给定一个英文语料库，里面有很多句子，已经做好了分词，/前面的是词，后面的表示该词的词性并且每句话由句号分隔，如下图所示
对于一个句子S，句子中每个词语(w_i)标注了对应的词性(z_i)。现在的问题是，再给定一个句子S‘，生成每个词(w'_i)的词性(z'_i)
也就是要求使得概率(P
模型微调
迁移学习（transfer learning）
定义：将从源数据集学到的知识迁移到目标数据集
原因：在源数据集训练的模型可以抽取通用的特征（边缘，形状，纹理等）
迁移常用技术-微调（fine tuning）
在源数据集上训练一个神经网络模型
目标模型复制除输出层之外的所有模型
matplotlib是python中的一个画图库，继承了matlib（从名字上也看得出来）的优点和语法，所以对于熟悉matlib的用户来说是十分友好的。
pylab和pyplot
关于pylab和pyplot，人们做过不少的讨论。这两个模块有哪些不同呢？pylab模块跟matplotlib
背景
毕业设计时在本地虚拟机上使用了一个conda环境，租了阿里云服务器后需要将其搬过去。原先打算重新从零开始安装环境，但是装了半天未能成功，最后打算使用环境移植试试，发现可以正常使用。
服务器安全组设置
我的应用是一个基于web.py的网页应用，因此要在云服务器的管理控制台上设置端口。其
本文试图概括Semantic SLAM的主要思路和近年工作，⻓期更新。
但因水平有限，若有错漏，感谢指正。
（更好的公式显示效果，可关注博客侧边的公众号）
Semantic SLAM
简介
至今为止，主流的 SLAM 方案 [1] 基于处于像素层级的特征点，更具体地，它们往往只能用角点或边
2020年客户提出了一个自助客服的需求，于是开始在网上搜索各种解决方案。
此类解决方案大致有三类：1、由第三方提供服务（不用训练，直接可用）；2、使用一些大厂的语义分析服务+二次开发；3、自主研究语义分析算法；
由于第一种需要收费，第三种技术门槛太高。所以就研究了一下 第二种方案，使用的是
目录
写在前面
Dense Block与Transition Layer
DenseNet网络架构与性能
理解DenseNet
Plain Net、ResNet与DenseNet
ASP.NET WebForms
ASP.NET WebForms 随着微软 2000 年的 .Net Framework 一起发布，至今也将近 20 年的时间。相信很多人和我一样，对 WebForms 有着割舍不掉的感情， 直至今日 WebForms 仍然在管理系统快速开发领域
谈谈《Attention-based deep multiple instance learning》 ICML 2018
分享一篇十分简约且对我至关重要的一篇优秀的会议论文《Attention-based deep multiple instance learning》。首先分别谈谈我
1 word2vec
在自然语言处理的大部分任务中，需要将大量文本数据传入计算机中，用以信息发掘以便后续工作。但是目前计算机所能处理的只能是数值，无法直接分析文本，因此，将原有的文本数据转换为数值数据成为了自然语言处理任务的关键一环。
Word2vec，为一群用来产生词向量的相关模型。这些
目录
前言
Microsoft.AspNetCore.Mvc.ViewFeatures.Internal 消失了
升级到 ASP.NET Core 3.1项目文件（.csproj）
Program.cs
Startup.cs
ViewBag 与 Razor Pages 第一次接触
Vie
目录
Resnet要解决的是什么问题
Residual Block的设计
ResNet 网络结构
error surface对比
Residual Block的分析与改进
小
网络的结构如下：
采用FPN结构,Backbone是RetinalNet,分成了P3~P7共5个Layer,分别训练不同尺寸的Box.每个Layer对应的Head有2个分支,包括一个单独的分支用来预测分类,另一个分支用来预测两部分,一部分是Box坐标的回归,另一部分是GT Box和Anc
导读：伴随着AI的兴起，越来越多的智能产品诞生，算法链路也会变得越来越复杂，在工程实践中面临着大量算法模型的从0到1快速构建和不断迭代优化的问题，本文将介绍如何打通数据分析-样本标注-模型训练-监控回流的闭环，为复杂算法系统提供强有力的支持。
新技术/实用技术点：
实时、离线场景下数据加工
Meta Learner和之前介绍的Casual Tree直接估计模型不同，属于间接估计模型的一种。它并不直接对treatment effect进行建模，而是通过对response effect(target)进行建模，用treatment带来的target变化作为HTE的估计。主要方法有
本篇文章被Google中国社区组织人转发，评价: 条理清晰，写的很详细！
被阿里算法工程师点在看!
所以很值得一看!
前言
目录:
RNN提出的背景
- 一个问题
- 为什么不用标准神经网络
- RNN模型怎么解决这个问
1.HD Maps: Structure, Functionalities, Accuracy And Standards
在自动驾驶系统的功能系统架构中，高精地图与定位功能紧密相关，与感知模块交互，并最终支持规划和控制模块。
不同级别的自动驾驶对地图的精细程度要求不同。高精地图不仅存储
本文是在CentOS7.4 下进行CDH6集群的完全离线部署。CDH5集群与CDH6集群的部署区别比较大。
说明：本文内容所有操作都是在root用户下进行的。
文件下载
首先一些安装CDH6集群的必须文件要先在外网环境先下载好。
Cloudera Manager 6.3.0
CM6 RPM
本篇文章被Google中国社区组织人转发，评价: 条理清晰，写的很详细！
被阿里算法工程师点在看!
所以很值得一看!
前言
目录:
RNN提出的背景
- 一个问题
- 为什么不用标准神经网络
- RNN模型怎么解决这个问
客服
