faiss 中不同算法构建索引，不同的搜索参数， 搜索的性能和召回率差异巨大。 本文在召回率比较好的情况下 (>0.99)，对比常用的 IVF 索引和 HNSW 索引的性能差异

回到多元方程的求解方法对于构建一个神经网络来说，需要求出每一个神经元的参数。每一层都有线性变换，加上非线性变换组成。 神经网络的求解变成一个多元方程的求解问题。图：要求解的线性函数变换（单层）y1 ​= x1​w11 ​ + x2​w21​+ ... + xnwn1 + b1y2 ​= x1​w12 ​ + x2​w22​ + ... + xnwn2 + b2​y3​= x1​w13 ​+ x2​

截止到 2021 年下半年， 推荐使用 Apple 官方的 tensorflow-meta 的插件来启用 Tensorflow 在 Mac M1（包括 M1 Pro, M1 Max）上面的GPU加速。以下介绍完整的深度学习开发环境的搭建过程。参考 apple 官方文档：Tensorflow Plugin - Metal - Apple Developer1.安装 pyenv 虚拟环境管理包首先，推

时间已经到了2021年，如果还有人问，推荐什么笔记本或者工作站用作深度学习的开发环境，兼作日常开发的网络训练，无疑 Mac M1 是首选。携带方便，价格比起深度学习工作站不高，且系统易于使用。2020年苹果推出了自产的 Mac M1 芯片，自带性能强悍的 GPU，刚出来的时候不支持 Tensorflow 等深度学习框架使用 GPU进行加速。 很快苹果推出了 M1 的 GPU 加速支持。2020 年

问题提出在前面 “深度学习代码实践（四）- 从0搭建一个神经网络：感知机与激活函数”的博文分享中，提到，神经网络的本质是：通过参数与激活函数来拟合特征与目标之间的真实函数关系。单层网络只能做线性分类任务，两层神经网络可以无限逼近任意连续函数。这里提到的“用两层神经网络可以无限逼近任意连续函数”。 那么神经网络是不是真的能够逼近任何函数。 我用 Tensorflow 做了一个实验， 以一个已知函数

截止到 2021 年下半年， 推荐使用 Apple 官方的 tensorflow-meta 的插件来启用 Tensorflow 在 Mac M1（包括 M1 Pro, M1 Max）上面的GPU加速。以下介绍完整的深度学习开发环境的搭建过程。参考 apple 官方文档：Tensorflow Plugin - Metal - Apple Developer1.安装 pyenv 虚拟环境管理包首先，推

问题提出在前面 “深度学习代码实践（四）- 从0搭建一个神经网络：感知机与激活函数”的博文分享中，提到，神经网络的本质是：通过参数与激活函数来拟合特征与目标之间的真实函数关系。单层网络只能做线性分类任务，两层神经网络可以无限逼近任意连续函数。这里提到的“用两层神经网络可以无限逼近任意连续函数”。 那么神经网络是不是真的能够逼近任何函数。 我用 Tensorflow 做了一个实验， 以一个已知函数

我的 USB 网卡是水星 Mercury 的， 在 Ubuntu 22.04 下面没有自动识别。没有无线网卡的时候只能用有线接到路由器上，非常不方便。 寻思着把无线网卡驱动装好。折腾了几个小时装好了驱动。

----------------------------------------------------------------------------  请用CTRL+F查找中国频道、有个网络、中资源、对呀网、西部数据、E动网络、世纪东方、顶尖网络、蓝网、厦门数字引擎、网盟个人主页、网容科技、数据天空、胜利网络商务、E时代网络、中国数据、方舟网络、网4空间、FTOTTI工作室、海霞网络、E网通、

用了好久的linux， firefox的插件都放在linux的ext4分区上。 想要在windows xp中读取ext4分区的文件，接着就有了一段惊心动魄的经历。 首先是到google上搜索“reading linux ext4 from windows”，找到好几个网页说可以用ext2fsd或者linux reader的，ext2fsd和linux reader都号称支持ext4, 但都