新创建了一个远程仓库，如何将已有的代码推上去呢？或者如何本地新建一个仓库呢？所有情况如下所示：Git global setupgit config --global user.name "你的名字"git config --global user.email "你的邮箱"Create a new repositorygit clone ssh://路径.git...

对计算机视觉与深度学习有所了解的同学应该知道图像卷积可以识别出物体，在神经网络的前几层，识别出物体最基础的例如垂直或是水平的边缘。在之后的隐藏层慢慢可以识别出物体的部分，直到最后几层可以识别出完整的物体。本篇文章主要介绍卷积层为何可以检测出这些。先介绍一个概念，过滤器：这是一个3*3的过滤器，是一个矩阵，数值如上所示，一会介绍这是干嘛用的。假设我们有一个6*6的灰度图像：

众所周知，在机器学习深度学习领域，合理划分训练集验证集和测试集是很重要的，本文主要介绍如何划分。过去，人们运用机器学习传统方法的时候，一般将训练集和测试集划为7：3.若有验证集，则划为6:2:2. 这样划分确实很科学，当数据量不大的时候（万级别及以下）。但到了大数据时代，数据量陡增为百万级别，此时我们不需要那么多的验证集和训练集。假设有100W条数据，只需要拿出1W条来当验

上篇文章介绍了GRU，建议不太了解RNN和GRU的同学看看我上一篇文章：https://blog.csdn.net/wenqiwenqi123/article/details/80707810这篇来说一说LSTM，这两个最大的不同之处在于LSTM多了一个门。GRU有update gate（更新门）、reset gate（重置门）。而LSTM有三个门，update gate（更新门），forget

上一篇中已经总结了RNN的原理，传送门：https://blog.csdn.net/wenqiwenqi123/article/details/80704528本文讲解一下GRU的原理，GRU对于RNN中的梯度消失有很大帮助。GRU即Gated Recurrent Unit。前面说到为了克服RNN无法很好处理远距离依赖而提出了LSTM，而GRU则是LSTM的一个变体，当然LSTM还有有很多其他的变

最近在弄支付宝、微信支付等的事，发现这两家的文档都写得很差，demo也让人看的云里雾里。所以写篇博客，来尽量减少后来的同学走的弯路。首先，若是要做app支付的话，在微信第三方平台申请APP，若是安卓的话上传你的keystore和包名，ios上传bundle id，微信会生成相应的签名。然后前往微信商户平台，拿到要做支付必要的各种id和密钥。请看以下配置代码：package co

上一篇中已经总结了RNN的原理，传送门：https://blog.csdn.net/wenqiwenqi123/article/details/80704528本文讲解一下GRU的原理，GRU对于RNN中的梯度消失有很大帮助。GRU即Gated Recurrent Unit。前面说到为了克服RNN无法很好处理远距离依赖而提出了LSTM，而GRU则是LSTM的一个变体，当然LSTM还有有很多其他的变

众所周知，在机器学习深度学习领域，合理划分训练集验证集和测试集是很重要的，本文主要介绍如何划分。过去，人们运用机器学习传统方法的时候，一般将训练集和测试集划为7：3.若有验证集，则划为6:2:2. 这样划分确实很科学，当数据量不大的时候（万级别及以下）。但到了大数据时代，数据量陡增为百万级别，此时我们不需要那么多的验证集和训练集。假设有100W条数据，只需要拿出1W条来当验

最近在弄支付宝、微信支付等的事，发现这两家的文档都写得很差，demo也让人看的云里雾里。所以写篇博客，来尽量减少后来的同学走的弯路。首先，若是要做app支付的话，在微信第三方平台申请APP，若是安卓的话上传你的keystore和包名，ios上传bundle id，微信会生成相应的签名。然后前往微信商户平台，拿到要做支付必要的各种id和密钥。请看以下配置代码：package co

对计算机视觉与深度学习有所了解的同学应该知道图像卷积可以识别出物体，在神经网络的前几层，识别出物体最基础的例如垂直或是水平的边缘。在之后的隐藏层慢慢可以识别出物体的部分，直到最后几层可以识别出完整的物体。本篇文章主要介绍卷积层为何可以检测出这些。先介绍一个概念，过滤器：这是一个3*3的过滤器，是一个矩阵，数值如上所示，一会介绍这是干嘛用的。假设我们有一个6*6的灰度图像：