2018-08-20 21 22
今日安排
- 完成cs231n一节课内容
- AML课程
- 吴恩达DeepLearning最后一点视频刷完
- 实战。着手做零样本学习
知识点
- 代码
np.linalg.norm # 求范数，可求矩阵范数（非F...的那个）
np.meshgrid() # 生成网格坐标
np.random.choice(X_expanded.shape[0], batch_size) # 随机选择几个 返回index array
>>> import numpy as np
>>> b=[1,2,3,4,5,6,7]
>>> np.cumsum(a)
array([ 1, 3, 6, 10, 15, 21, 28, 36, 45, 55, 75, 105])
-
线性分类 微积分
-
AML学习
这个思想，可以引出多层网络
BP时，保存各个节点相对于loss的偏导数。这样的话，每个节点的值则为本节点的导数值乘以正向传播时后面节点的导数值。
大大减少计算量，只要把每条边都往回遍历一遍即可
矩阵除法，标量除以矩阵=矩阵
高维度下使用chain rule
tensorflow
tf.reset_default_graph()
???
