ndk c++ 代碼： android.mk Application.mk java 代碼：
發(fā)簡(jiǎn)信
IP屬地：天津
-
常用算法Big-O復(fù)雜度介紹（時(shí)間和空間復(fù)雜度）常用函數(shù)Big-O示意圖 常見數(shù)據(jù)結(jié)構(gòu)操作時(shí)間、空間復(fù)雜度 常見排序算法時(shí)間、空間復(fù)雜度
-
-
R語言 ggplot2數(shù)據(jù)可視化指南ggplot2 ggplot2包是基于Wilkinson在《Grammar of Graphics》一書中所提出的圖形語法的具體實(shí)現(xiàn), 這套圖形語法把繪圖過程歸納為data,...
-
Scipy & Matplotlib 簡(jiǎn)要學(xué)習(xí)指南Scipy Scipy是一個(gè)高級(jí)的科學(xué)計(jì)算庫，它和Numpy聯(lián)系很密切，Scipy一般都是操控Numpy數(shù)組來進(jìn)行科學(xué)計(jì)算，所以可以說是基于Numpy之上了。Scipy有很多...
-
-
Numpy & Pandas 簡(jiǎn)要學(xué)習(xí)指南Numpy NumPy是使用Python進(jìn)行科學(xué)計(jì)算的基礎(chǔ)包。 它包含其他內(nèi)容： 一個(gè)強(qiáng)大的N維數(shù)組對(duì)象 復(fù)雜的（廣播）功能 用于集成C / C ++和Fortran代碼的工...
-
-
-
機(jī)器學(xué)習(xí)（Machine Learning）概述機(jī)器學(xué)習(xí)：Scikit-learn算法 以下機(jī)器學(xué)習(xí)備忘單將幫助您找到最適合你數(shù)據(jù)的機(jī)器學(xué)習(xí)算法。 該流程圖將幫助您查看每個(gè)評(píng)估模型的文檔和粗略指南，以幫助您了解有關(guān)問題的更...
-
最全的神經(jīng)網(wǎng)絡(luò)(Neural Networks)清單下圖為所有常見神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)清單： 神經(jīng)網(wǎng)絡(luò)圖結(jié)構(gòu)（Neural Networks Graphs）
-
如何在Python中從頭開始構(gòu)建自己的神經(jīng)網(wǎng)絡(luò)目的 為了更好地理解神經(jīng)網(wǎng)絡(luò)工作原理，本文打算不借助任何第三方機(jī)器學(xué)習(xí)框架從零基礎(chǔ)構(gòu)建簡(jiǎn)單的神經(jīng)網(wǎng)絡(luò)，這有助于更深層的理解神經(jīng)網(wǎng)絡(luò)的本質(zhì)。 什么是神經(jīng)網(wǎng)絡(luò) 完整的介紹神經(jīng)網(wǎng)絡(luò)...
-
keras實(shí)現(xiàn)Attention機(jī)制
attention層的定義：（思路參考https://github.com/philipperemy/keras-attention-mechanism） 具體的用法：
-
linux 和 mac 下計(jì)算特點(diǎn)目下的代碼行數(shù)
計(jì)算每個(gè)文件的行數(shù)，單獨(dú)輸出代碼（以php語言為例）： 計(jì)算該目錄下所有文件的代碼行數(shù)之和（以php語言為例）：
-
論文筆記：Distant Supervision for Relation Extraction via Piecewise Convolutional Neural Networks背景知識(shí)：Distant Supervised Relation Extraction 該方法由 M Mintz 于 ACL2009 上首次提出，與傳統(tǒng)預(yù)先定義關(guān)系類別不同，...
-
Tensorflow: tf.reduce_max、tf.sequence_mask
1、tf.reduce_max函數(shù)的作用：計(jì)算張量的各個(gè)維度上的元素的最大值。例子: 結(jié)果為: 3 2、tf.sequence_mask的作用是構(gòu)建序列長度的mask標(biāo)志 。...
-
keras 與tensorflow 混合使用
最近tensorflow更新了新版本，到1.4了。做了許多更新，當(dāng)然重要的是增加了tf.keras. 畢竟keras對(duì)于模型搭建的方便大家都是有目共睹的。 喜歡keras風(fēng)格...