为什么LSTM模型在测试集上的输出全都是一样的？答：输入的幅值太大了！！把输入幅度缩放到0到1里去！！！

主要记一下逻辑斯蒂和神经网络的区别吧

2021字节秋招算法岗面经一面过(一个小时)讲实习实习的结果是如何评估的为什么用AUC，而不用别的AB测试时，为什么是基于用户划分，而不是基于司机划分最大池化的反向传播求导公式LSTM解决了什么问题通用的提高模型泛化能力的方法(解决过拟合的方法)二面20210922(一个小时)自我介绍先做道题吧：矩阵中的路径 https://leetcode-cn.com/problems/ju-zhen-zho

在imshow()或者imagesc()画图语句的后面添加下面两句：set(gcf,'Position',[300 300 500 500]);set(gca,'Position',[0 0 1 1]);‘position‘表示图像位置：对于gcf，position后面指定的位置[nums1 nums2 nums3 nums4]中，(nums1,nums2)表示figure对象(画出来的整个展示界

贝尔曼方程详细推导，抽丝剥茧，讲清楚为什么这么证明

在测试模型时遇到Bug:No module named ‘pytest’我的场景：pycharm下运行一个测试深度学习模型的python代码。我的代码名称为test_exp.py出现bug的原因：.py文件的开头出现了test这个单词。之所以是强调开头，是因为我重新尝试了一下model_test的文件名，是可以通过运行的注意是test这个整体，如果是testr,testpp等等都是不会报...

图解LSTM——一文吃透LSTMv0版(20210817)：本版本将通过图解LSTM的方式，逐步剖析LSTM的内部结构，力求把LSTM的结构和公式刻在大家的脑海中。当前版本并不会对LSTM的有效机制原因和反向传播进行分析，重点在于LSTM的结构展现上，也不会牵扯别的太多，就一个目的，让大家看透“LSTM”。一、理解第一步：宏观认识LSTM能干什么？简单说，就是将一串向量序列，转换为另一串含有更多特

专门记一篇它们之间的关系，自己都老忘记。这篇主要针对想要安装tensorflow但又搞不清楚它们之间的关系的童鞋们。先来简单区分一下它们：显卡：一块硬件，真正干活的劳动力，GPU显卡驱动（Driver）：首先显卡驱动是每个人的电脑上只要有显卡就有的东西，也就是你不搞深度学习，你的电脑也会用到，比如游戏啊之类。简单来说就是，你电脑上有个显卡，这玩意就是让这显卡动起来的东西，没这玩意，显卡不知...

目前深度学习在医学成像中的应用，主要分为以下四种：1、第一种是应用最为广泛的图像后处理，输入传统方法的重构结果然后利用CNN网络进行改进，优点是可以将大量的深度学习在图像领域的工作移植过来，缺点是不能充分利用到原始投影数据。2、第二种是直接重构，即直接利用神经网络学习投影数据到重构图像之间的映射，该方法可以充分利用到投影数据，该方法往往需要利用全连接层来学习投影数据到重构图像的映射，然而这样的..

应当注意的点矩阵、向量应该加粗，上下标应该不用跟着加粗对应元素相乘应该用⊙\odot⊙。这一点深受网上的博客误导，比如一次写LSTM相关的论文时，百度发现最火的图基本都长下面的样子：这样其实时很容易引起别人误解的。不仅如此，很多公式也出现了不好的表达，博客里有许多这种表达：Ct=ft∗Ct−1+it∗C~tC_{t}=f_{t} * C_{t-1}+i_{t} * \tilde{C}_{t}Ct​