保存成功
保存失败,请重试
提交成功
奔跑的小米

奔跑的小米

架构师
从事大数据及数据挖掘工作,就职于互联网企业,精通大数据生态圈,参与编写《Spark内核机制解析及性能调优》、《Scala语言基础与开发实战》热门书籍,即将出版《学好Pytorch成为数据科学家》深度学习书籍,51CTO金牌讲师。微信公众号:三角兽...更多
创作文章7

深入浅出卷积神经网络

在泛函分析中,卷积(Convolution)是通过两个函数 f 和 g 生成第三个函数的一种数学算子,表征函数 f 与 g 经过翻转和平移的重叠部分的面积,其物理意义是一个函数在另一个函数上的加权叠加(离散的情况)或者积分(连续的情况)。这个加权叠加(积分)很不简单,它描述了一个动态过程,表达了系统不断衰减同时又不断受到激励的综合结果。 本 Chat 就带着大家学习卷积网络的核心原理及核心概念,认识卷积网络并使用 Pytorch 实现一个简单的卷积神经网络。包含以下内容: - 卷积过程及其物理意义 - 卷积过程在神经网络中的应用 - stride 和 padding - 膨胀卷积神经网络 - Pooling 池化 - 小试牛刀:基于 Pytorch 实现一个简单的卷积神经网络 - 设计卷积神经网络 - 定义并实现卷积网络 - 训练模型及模型性能评估 - 理解 CNN 在学什么 - 加载数据 - 定义模型 - 训练模型 - CNN 中间结果可视化 - Vgg16 迁移学习 - 神经网络权重可视化
卷积网络
111 订阅

你知道这些深度学习核心概念吗?

基础决定上层建筑,本 Chat 围绕常见的激活函数、不同的优化算法、不同损失函数优缺点及适用场景等基础内容,带大家逐步深入了解和学习深度学习。基础决定高度,而不是高度决定基础。 本 Chat 的主要目的是带大家读懂深度学习概念,穿过常见的认知误区,更好的拥抱深度学习,本 Chat 包含以下内容: - 什么是激活函数以及常见的激活函数有哪些? - Sigmoid - Tanh - Relu 及其变形 - MaxOut - 损失函数的定义和常见的损失函数及使用场景? - L1 范数损失 - MSE 均方误差损失 - BCE 二分类交叉熵损失 - CrossEntropyLoss 和 NLLLoss 损失 - KL 散度损失 - 余弦相似度损失 - 多分类多标签损失 - 优化器的变迁及算法思想 - BGD - SGD - MBGD - Momentum - NAG - Adagrad - Adadelta - Adam
深度学习
86 订阅

深度学习必备之概率论知识加油站

数学本身是一个工具,更是一门科学,这门科学在机器学习及深度学习领域起着灵魂支柱的作用,复杂的数学思想都是起源于平凡且朴素的假设,从数学意义上讲,概率对应着某种面积,而矩阵对应着某种变换。本 Chat 的目的便是帮助大家再次回顾概率论重要知识,帮助大家更好的深入研究深度学习技术。 本 Chat 包含如下内容: 1. 离散型随机变量和连续型随机变量 2. 概率论常见的数学概念回顾 3. 二维随机变量 4. 边缘分布 5. 期望和方差 6. 大数定理 7. 马尔科夫不等式及切比雪夫不等式 8. 中心极限定理 9. 二项分布 10. 正态分布 11. 均匀分布 12. 泊松分布 13. 卡方分布 14. Beta 分布 相信会让大家受益匪浅。
深度学习
139 订阅

深度学习必备之高等数学知识加油站

宇宙之大,粒子之微,火箭之速,化工之巧,地球之变,生物之谜,日用之繁,无处不用数学。 ——华罗庚 火爆的深度学习技术跟数学有着千丝万缕的联系,例如常见的自动微分技术,梯度反向传播技术等。要想深入研究深度学习,数学知识是必备的基础。 本 Chat 主要分享必备的数学知识,囊括如下内容: - 函数和导数 - 函数的定义 - 函数的性质 - 函数的极限 - 函数的连续性 - 偏导数及梯度 - 导数的定义 - 常见的导数计算公式 - 使用 Pytorch 自动微分技术求解常见函数的导数 - 方向导数及梯度 - 微分及积分 - 牛顿-莱布尼茨公式 - 泰勒公式及其思想 - 拉格朗日乘子法及思想
严选深度学习数学
243 订阅

10 分钟入门 Docker Compose 容器编配

Docker 社区为开发了很多工具,用于对多个 Docker 容器进行编配。Docker Compose 是一个比较简单的 Docker 容器的编配工具,以前的名称叫 Fig,由 Orchard 团队开发的开源 Docker 编配工具,在 2014 年被 Docker 公司收购,Docker Compose 是使用 Python 语言来开发的一款 Docker 编配工具。Docker Compose 可以用一个 YAML 文件定义一组要启动的容器,以及容器运行时的属性,Docker Compose 将这些要运行的容器称为“服务”,这些容器通过某些特定的方法指定运行时的属性来和其他容器产生交互。 本 Chat 涉及内容: - Docker Compose 的安装 - 小项目:使用 Docker Compose 编配容器,构建一个简单的网络计数器 - 构建镜像 - 编写 docker-compose.yml 编配文件 - 守护方式运行compose - 查看端口映射情况 - 查看日志信息 - 运行网络计数器
Docker
133 订阅

小而精的 Docker 项目,30 分钟快速入门 Docker 容器

为什么要使用 Docker? - Docker 容器的启动在秒级 - Docker 对系统资源利用率高,一台主机上可以同时运行数千个Docker容器。 - Docker 基本不消耗系统资源,使得运行在Docker里面的应用的性能很高。 相比于传统的虚拟化技术,Docker 有哪些优势? - 更快速的支付和部署:开发者可以使用一个标准的镜像来构建一套开发容器,开发完成之后,运维人员可以直接使用这个容器来部署代码。 - 更高效的虚拟化:Docker 容器的运行不需要额外的 hypervisor 支持,它是内核级的虚拟化,因此可以实现更高的性能和效。 - 更轻松的迁移和扩展:Docker 容器几乎可以在任意的平台上运行,包括物理机、虚拟机、公有云、私有云、个人电脑、服务器等。 - 更简单的管理:使用 Docker,只需要小小的修改,就可以替代以往大量的更新工作。所有的修改都以增量的方式被分发和更新,从而实现自动化并且高效的管理。 本 Chat 涉及的内容: - Docker 安装 - 获取 Docker 镜像 - 创建镜像 - 本地导入镜像 - 保存、载入、删除镜像 - Docker 容器的创建、启动和停止 - 进入后台运行中的容器 - 导入、导出、删除容器 - 创建 Docker 私有仓库 - Docker 容器绑定外部 IP 和端口 - 容器互连 - Dockerfile 常见的 11 中指令(FROM、MAINTAINER、RUN、CMD、EXPOSE、ENV、ADD、COPY、ENTRYPOINT、VOLUME、USER)的使用 - 小项目,完整实战
严选Docker
232 订阅

Spark 内核原理快速入门

我坚信,机会永远属于有准备的人,我们与其羡慕他人的成功,不如从此刻起,积累足够多的知识和面试经验,为将来进入更好的公司做好充分的准备! 想让面试官在短短的几十分钟内认可你的能力?想在最短的时间内收获 Spark 技术栈最核心的知识点?想要更全面更深入的了解 Spark 技术?这篇文章给你想要的所有答案。 本 Chat 你将会获得以下知识: - Spark 内核原理; - Spark 宽窄依赖; - Spark 性能调优; - Spark 面试技巧。
123 订阅
微信扫描登录