关于 迷水一小瓶喝几次【V信;799.196.362】碧 的搜索结果,共1234
x****3 2018-07-10
零基础认识深度学习——猿人的第直立行走
--下图是 16克隆TestA结果 -- 17.我们再把老模型克隆,结果识别出数字2的率是63.4%。 --下图是 17再克隆TestA结果 -- 18.我新建个模型TestB,让它在TestA的基础上再训练。 --下图是 18新建TestB -- 19.TestB的训练结果反而不如最早的那版模型,正确率20.69%。 --下图是 19TestB的训练结果 -- 20.没有最惨只有更惨,看我新训练的模型TestC。 --下图是 20TestC训练失败 -- 21.从这测试看,最好的模型是TestA-Clone,其是Clone2。 --下图是 21模型结果汇总 -- 22.但这就算找到合适模型了吗?我又手写了个数字2,还特地选的黑底白字28*28,结果这个模型没个识别准确的,全部识别失败。 --下图是 22.新图识别失败 -- 四、实战才能出模型 本实验拿到正确率是94.81%的模型是意外惊喜,那个模型测其他图片失败倒是意料之中的。
l****m 2018-07-10
词向量(
在用神经网络求词向量之前,传统做法是统计个词语的共生矩阵XX。XX是个|V|×|V||V|×|V| 大的矩阵,XijXij表示在所有语料中,词汇表VV(vocabulary)中第i个词和第j个词同时出现的词数,|V||V|为词汇表的大。对XX做矩阵分解(如奇异值分解,Singular Value Decomposition [5]),得到的UU即视为所有词的词向量: X=USVTX=USVT 但这样的传统做法有很多问题: 由于很多词没有出现,导致矩阵极其稀疏,因此需要对词频做额外处理来达到好的矩阵分解效果; 矩阵非常大,维度太高(通常达到106×106106×106的数量级); 需要手动去掉停用词(如although, a,...),不然这些频繁出现的词也会影响矩阵分解的效果。 基于神经网络的模型不需要计算和存储个在全语料上统计产生的大表,而是通过学习语义息得到词向量,因此能很好地解决以上问题。在本章里,我们将展示基于神经网络训练词向量的细节,以及如何用PaddlePaddle训练个词向量模型。
s****7 2018-07-10
见微知著看技术误解——从裸光纤和NTPD谈起
、裸光纤的故事 前天和朋友聊天,谈到根裸光纤可以分波分多大的问题。 个业内好友都明确说根裸光纤最多跑10G带宽,而于老板明确表示裸光纤任何个波分(或者不做波分)都可以跑100G以上。 后来我和于老板深究原因,不可能个朋友都骗我或者都蠢,很可能前些年光纤波分机自己只能甩出10G口,或运营商租光纤套餐里只有10G规格,给大家造成了裸光纤只能跑10G带宽的印象。同样固有的印象是光纤必须从运营商那里租,而且价格很贵还必须买波分设备等等;其实现在企业专线的市场竞争很充分,拉同城裸纤公里也就百块钱,而且短距离裸纤也不值得上波分设备,直接对接模块即可。 二、NTD是试金石 我对裸光纤是门外汉,但同样的技术误解让我想到了NTP,我直拿ntpd和ntpdate当做初中级系统工程师的试金石,分不清就月薪五千,分得清就八千以上(2014年市价)。但很多货真价实的IT专家也在此事上跌倒,我也希望通过聊清楚层误会,说明高级工程师该少多思考。 NTP是网络时间协议,它是多项传输、计算、加密技术的核心参数。
d****g 2020-08-31
【FAQ】常见问题梳理,不定期更新,详情请戳此贴~
两个问题,第,会导致手机发热严重(大概十分钟后严重发热,可以用烫来形容,严重时导致手机自动关机),第二,总是提示GPS号弱(纯手机导航不存在此问题,不知道链接车机是不是影响GPS号)
TOP