今天学习了RBF神经网络，里面有一些概念个人觉得不是很好理解。RBF神经网络是一种单隐层前馈神经网络，如下所示RBF        RBF神经网络一共分为三层，第一层为输入层即Input Layer，由信号源节点组成；第二层为隐藏层即图中中间的黄球，隐藏层中神经元的变换函数即径向基函数是对中心点径向对称且衰减的非负线性函数，该函数是局部响应函数。因为是局部相应函数，所以一般要根据具体问题设置相应的

ffmpeg -i ~/Movies/objectC/facebook.mp4 -i ~/Downloads/pacopacomama-061816_108-FHD/061816_108-paco-720p.mp4 -filter_complex "[1:v]scale=w=176:h=144:force_original_aspect_ratio=decrease[ckout];[0:v][ck

自动混合精度（Automatic Mixed Precision, AMP）训练，是在训练一个数值精度为32的模型时，一部分算子的操作 数值精度为FP16，其余算子的操作精度为FP32。在反向传播时，FP16的梯度数值溢出的问题，amp提供了梯度scaling操作，而且在优化器更新参数前，会自动对梯度 unscaling。但，作为上下文管理器使用时，混合精度计算enable区域得到的FP16数值精

最近因为要用BERT的原因，需要将之前keras写的一些代码，移植到pytorch上，在写BiLSTM的时候，遇到一个问题，一脸懵逼，哪里来的tuple！！！疯了，后来，弱小无助的小菜鸡终于忍不住向大佬请教，然后大佬也疯了，最终发现这是pytorch summary的一个bug，因为pytorch在写LSTM的时候的output是一个tuple，除了output之外还有所谓的hn，cn然而su..

将iter(dataloader)都放到一个list，遍历list。2、可以使用zip+cycle来合并两个dataloader。1、利用iter(dataloader)

本弱鸡有幸成为AAAI2020的一名分母，甚是荣幸。第一次投稿，遇到很多麻烦，首先要说的是！！！！工作量一定要够多！！！这点非常重要。会看大佬们的论文，人家都是从众多工作中选出最具创新的写入论文，其他的工作只是很短篇幅的介绍一下，然而本弱鸡工作量明显不足，为了凑够8页，自然写了不少的废话。还有就是，第一次写论文一定要规划好时间，先把论文大纲列出来，然后按照大纲一步一步的写，这样写出来的...

文章转自https://blog.csdn.net/xc_xc_xc/article/details/53163478介绍一般的神经网络是固定好拓扑结构，然后训练权重和阈值。级联相关神经网络是从一个小网络开始，自动训练和添加隐含单元，最终形成一个多层的结构。级联相关神经网络具有以下优点:学习速度快；自己决定神经元个数和深度；训练集变化之后还能保持原有的结构(这个是缺点还是优点)；不需要后向传播错误

        今天学习了两个神经网络，分别是自适应谐振（ART）神经网络与自组织映射（SOM）神经网络。整体感觉不是很难，只不过一些最基础的概念容易理解不清。        首先ART神经网络是竞争学习的一个代表，竞争型学习是一种常用的无监督学习策略，在使用改策略时，网络的输出神经元相互竞争，每一时刻只有一个竞争获胜的神经元激活。        ART神经网络由比较层、识别层、识别阈值、重置模块

今天学习了RBF神经网络，里面有一些概念个人觉得不是很好理解。RBF神经网络是一种单隐层前馈神经网络，如下所示RBF        RBF神经网络一共分为三层，第一层为输入层即Input Layer，由信号源节点组成；第二层为隐藏层即图中中间的黄球，隐藏层中神经元的变换函数即径向基函数是对中心点径向对称且衰减的非负线性函数，该函数是局部响应函数。因为是局部相应函数，所以一般要根据具体问题设置相应的

首先要说明一点，一下教程针对hadoop3.1.0，注意不是2.X.X！！！（本人因为版本浪费了将近三天的时间，人生观都差点崩塌了）虚拟机这里就不过多说了，网上教程一大把，这里使用的是ubuntu系统1、三台虚拟机启动后修改hostname使用一下命令 sudo gedit /etc/hostname，将三台虚拟机的分别修改为master，slave1，slave2(master，no...