1. 为什么要使用卷积神经网络（1）神经网络遇到的问题——参数过多参数过多——容易过拟合，需要更多的训练数据收敛到较差的局部极值（2）卷积可以解决的问题神经网络全连接&卷积局部连接图像的特点1:图像的区域性，即某一区域内像素点特征类似。（某一像素为头发，其周围的的像素点也为头发的特征值）——...

1. 更多的优化算法（1）随机梯度下降局部极值saddle point问题（2）动量梯度下降随机梯度下降和动量梯度下降存在的问题：受初始学习率影响很大每一个维度的学习率一样（3）AdaGrad算法前期，regularizer较小，放大梯度后期，regularizer较大，缩小梯度梯度随训练次数降低每个分量有不同的学习率缺点：学习率设置太大，导致regularize...

目录1. 词袋模型的一个例子2. 词袋模型的应用——垃圾邮件过滤词袋模型（英语：Bag-of-words model）是个在自然语言处理和信息检索(IR)下被简化的表达模型。此模型下，一段文本（比如一个句子或是一个文档）可以用一个装着这些词的袋子来表示，这种表示方式不考虑文法以及词的顺序。最近词袋模型也被应用在电脑视觉领域。词袋模型被广泛应用在文件分类，词出现的频率可以用来当作训练分类器的特征。1

假定样本数目A类比B类多，且严重不均衡：1. A类欠/降采样Undersampling(1) 随机欠采样（通常，有放回的实验结果更好）(2) A类分成若干子类，分别与B类进入ML模型(3) 基于聚类的A类分割2. B类过采样Oversampling(1) 避免欠采样造成的信息丢失3. B类数据合成Synthetic Data Generation(1) 随机插值得到新样本(2) SMOTE(Syn

1. 卷积神经网络的应用图像风格转换图像修复换脸图像超清化图像翻译文字生成图像2. 卷积神经网络学到了什么卷积神经网络的每一层激活值都可以看作是图像的抽象表示。（卷积神经网络中某层的每个激活值都可以看作是一个分类器，众多的分类结果组成了抽象表示。层级越高，特征抽象程度越高。）3. 图像风格转换-V1（1）内容特征&风格特征内容特征：图像输入到CNN得到的某一层的激活值。使用内容特征生成图像

1. 为什么需要LSTM普通RNN的信息不能长久传播（存在于理论上）。 ，输入x会稀释掉状态s，故其信息不能长久的传播。2. LSTM中引入了什么2.1 选择性机制选择性输入选择性遗忘选择性输出2.2实现选择性机制的方法2.2.1门——> sigmoid 函数2.2.2 门限机制向量A——>sigmoid ——>[0.1, 0.9, 0.4, 0, 0.6]向量B——>[1

Q：为什么需要不同的网络结构不同的网络结构解决的问题不同不同的网络结构使用的技巧不同不同的网络结构应用的场景不同一. 模型的演变与进化模型演变AlexNet, VGG, ResNet, Inception, MobileNet模型的进化更深更宽——AlexNet到VGGNet不同的模型结构——VGG到InceptionNet/ResNet优势组合——I...

tf.record是tensorflow中独有的一个格式，故其有很多优势，在读取数据方面，tf.records有着速度快的优势1. tfRecord介绍-> tf.train.Example.-> tf.train.Features -> {"key": tf.train.Feature}.-> tf.train.Feature -> tf.train.ByteLis

假定样本数目A类比B类多，且严重不均衡：1. A类欠/降采样Undersampling(1) 随机欠采样（通常，有放回的实验结果更好）(2) A类分成若干子类，分别与B类进入ML模型(3) 基于聚类的A类分割2. B类过采样Oversampling(1) 避免欠采样造成的信息丢失3. B类数据合成Synthetic Data Generation(1) 随机插值得到新样本(2) SMOTE(Syn

1. 配置vim显示行号1.1 临时显示行号ESC键退出编辑内容模式，输入“：set number”后按回车键注：文件关闭后，再打开是不会显示行号的1.2 用久显示行号修改配置文件：vim ~/.vimrc在打开的vimrc文件中最后一行输入：set number ，然后保存退出。再次用vim打开文件时，就会显示行号了。......