一、Domain adaptation在开始介绍之前，首先我们需要知道Domain adaptation的概念。Domain adaptation，我在标题上把它称之为域适应，但是在文中我没有再翻译它，而是保持它的英文原意，这也有助于我们更好的理解它的概念。Domain adaptation的目标是在某一个训练集上训练的模型，可以应用到另一个相关但不相同的测试集上。对这个问题列

FAST AND ACCURATE DEEP NETWORK LEARNING BY EXPONENTIAL LINEAR UNITS (ELUS)（2016，Djork-Arn´e Clevert, Thomas Unterthiner & Sepp Hochreiter）论文下载一、简介ELU的表达式：四种激活函数（ELU，LReLU，ReLU，SReLU）比较图：

迁移学习官方教程翻译+搬运自：http://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html#training-the-model前置阅读：PyTorch深度学习:60分钟入门(Translation) - 知乎专栏实际情况下，很少有人从头开始训练整个卷积网络（网络参数随机初始化），因为很难

首先作为一篇VR手游开发笔记，第一章和VR没有任何关系，单纯讲环境配置本章主要讲述怎样从零开始搭建android手机游戏开发环境，只用一台windows系统的PC机，将第一个示例工程成功运行在android虚拟机上。与单纯的app开发不同的是，游戏开发不再使用eclipse作为开发平台，游戏制作需要一个处理光照、特效、动画、物理效果等等的开发平台，即引擎，通俗来讲，引擎就是一个做菜的大锅，而组

一、什么是covariate shift？在论文中经常碰到covariate shift这个词，网上相关的中文解释比较少你可能会在介绍深度学习Batch Normalization方法的论文到中看到covariate shift这个词，并且所有看过这篇论文的或者实际做过工程的人，都知道BN这种归一化手段很好用，可以避免covariate shift那么covariate shift

一、反向传播的由来在我们开始DL的研究之前，需要把ANN—人工神经元网络以及bp算法做一个简单解释。关于ANN的结构，我不再多说，网上有大量的学习资料，主要就是搞清一些名词：输入层/输入神经元，输出层/输出神经元，隐层/隐层神经元，权值，偏置，激活函数接下来我们需要知道ANN是怎么训练的，假设ANN网络已经搭建好了，在所有应用问题中（不管是网络结构，训练手段如何变化）我们的目标

一、决策树决策树是机器学习最基本的模型，在不考虑其他复杂情况下，我们可以用一句话来描述决策树：如果得分大于等于60分，那么你及格了。这是一个最最简单的决策树的模型，我们把及格和没及格分别附上标签，及格（1），没及格（0），那么得到的决策树是这样的但是我们几乎不会让计算机做这么简单的工作，我们把情况变得复杂一点引用别的文章的一个例子这是一张女孩对于不同条件的男性是

现在我们已经有了开发环境，还没安装环境的小伙伴可以看上一篇：（一）Unity3D进行Android开发的环境搭建（虚拟机调试）今天主要介绍的是谷歌为自己的Cardboard平台提供的开发工具Cardboard SDK插件解析。Cardboard是谷歌公司在14年发布的一款极具创意的产品，由手机内部的传感器支持，它仅需硬纸板和两片透镜就能打造移动平台上的VR体验。Cardboard这里不多做

期待已久的一章！数据可视化，数据图表分析，paper画图神器，matplotlib登场了因为有太多可讲，我们分成几篇来详细介绍，如果你想发paper，学好这个，如果你要做工程，那更要学好这个，总的来说，可视化图表绘制工具是必须要熟练使用的。有人可能会说Tensorflow不是有tensorboard来训练可视化吗？tensorboard所记录的数据的数据对于我们分析是远远不够的，很多指标用

实验环境：tensorflow版本1.2.0，python2.7介绍depthwise_conv2d来源于深度可分离卷积:Xception: Deep Learning with Depthwise Separable Convolutionstf.nn.depthwise_conv2d(input,filter,strides,padding,rate=None,name=None,data_f