深度学习-李宏毅GAN学习之VAEVAE(变分自编码器)直觉解释VAE直觉架构VAE数学解释高斯混合模型拟合VAE分布映射最大似然估计总结VAE(变分自编码器)直觉解释普通的自编码器大家已经比较熟悉了，比如输入一张图片，然后提取出一个向量，最后再复原回图片。就如下图，我们有两张图片，都编码成一个code，然后可以复原，但是如果我们取了中间的code，应该是什么呢，虽然我们会认为应该是中间的插...

图解深度学习-梯度下降法可视化（SGD, Momentum, Adagrad and RMSProp）前言定义了4个基本函数机器学习原理原始的梯度下降算法带动量的梯度下降算法带惯性的梯度下降算法Adagrad 自适应调整的梯度下降RMSPropAdam前言主要用了Jupyter Notebook的插件ipywidgets，可以进行交互，可以自己调整参数来看结果，用于理解来说非常好，今后也会继续..

语音识别-mfcc特征mfcc（梅尔频率倒谱系数）mfcc提取步骤预加重分帧加窗快速傅里叶变换梅尔滤波器组滤波并取对数离散余弦变换(DCT)mfcc（梅尔频率倒谱系数）简单的说就是用来描述人的声道的特征，也就是人的声音特征。我查了好多网上资料，写的都不错，但是缺少一些中间的过程和可视化的解释，因为声音，频率这些光用文字描述很难理解的，所以我研究了下中间的一些结果，并截图展示出来，便于理解。...

图解深度学习-三种梯度下降法可视化（BGD,SGD,MBGD）BGM（批量梯度下降法）SGD（随机梯度下降法）MBGD（小批量梯度下降法）总结用可视化的方式来看下三种梯度下降法。我们来拟合简单的函数 $f(x)=wx+1 $ 其中w=0.5其中w=0.5其中w=0.5import numpy as npimport matplotlib.pyplot as pltfrom ipywidg...

图解深度学习-三种梯度下降法可视化（BGD,SGD,MBGD）BGM（批量梯度下降法）SGD（随机梯度下降法）MBGD（小批量梯度下降法）总结用可视化的方式来看下三种梯度下降法。我们来拟合简单的函数 $f(x)=wx+1 $ 其中w=0.5其中w=0.5其中w=0.5import numpy as npimport matplotlib.pyplot as pltfrom ipywidg...

李宏毅机器学习系列-无监督学习之自编码器自编码器是什么自编码器文字处理自编码器搜索相似图片自编码器预训练DNN自编码器去噪自编码器用于CNN自编码器可当做生成器总结自编码器是什么先举个例子，比如我们用一个神经网络要把一张图片压成一个code，希望这个code的维度比图片小，我们有很多的图片，但是没有code的标签，也就是我们有输入，没有输出，好像没办法学习：同理我们可以给一个随机的code...

吃透Netty源码系列四十七之WebSocketServerProtocolHandler详解handlerAdded处理器添加事件WebSocketServerProtocolHandshakeHandler的channelReadisNotWebSocketPath验证URLsendHttpResponse发送消息WebSocketServerHandshakerFactory的newHand

深度学习-李宏毅GAN学习之VAEVAE(变分自编码器)直觉解释VAE直觉架构VAE数学解释高斯混合模型拟合VAE分布映射最大似然估计总结VAE(变分自编码器)直觉解释普通的自编码器大家已经比较熟悉了，比如输入一张图片，然后提取出一个向量，最后再复原回图片。就如下图，我们有两张图片，都编码成一个code，然后可以复原，但是如果我们取了中间的code，应该是什么呢，虽然我们会认为应该是中间的插...

图解深度学习-梯度下降法可视化（SGD, Momentum, Adagrad and RMSProp）前言定义了4个基本函数机器学习原理原始的梯度下降算法带动量的梯度下降算法带惯性的梯度下降算法Adagrad 自适应调整的梯度下降RMSPropAdam前言主要用了Jupyter Notebook的插件ipywidgets，可以进行交互，可以自己调整参数来看结果，用于理解来说非常好，今后也会继续..

李宏毅机器学习系列-强化学习之模仿学习模仿学习模仿学习模仿学习就是根据演示来学习，很多时候我们的任务没办法定义奖励，但是我们可以收集很多的数据给机器去学习，方法一般有两种，一种叫行为复制，一种叫逆向强化学习：...