- 博客(40)
- 收藏
- 关注
RSS订阅原创 循环神经网络RNN_LSTM_GRU_BRNN
1.RNN(Recurrent Neural Network)RNN 是神经网络的一种变形，擅长处理输入为序列的情况。当然没有对比就没有伤害，之所以说它擅长，那肯定是因为传统的神经网络不是很擅长。如何以逻辑线的方式将知识存储进脑袋里面，形成一种永久的记忆呢？永久记忆是一种神经元的改变，科学家这么说的。那我们考虑神经元里面有什么？毫无疑问非线性变化呗！简单解释非线性变化就是将东西变得奇奇怪怪。对于知识也是一样，要通过自己独特的理解方式将它表达出来，它才是你的。简单解释RNN就是加入了输入依赖，加入的办法
2020-11-09 12:10:56
673
1
原创 Spark学习烦躁之旅
1.什么是Sparkspark是一个集群运算框架，因为使用了内存运算和DAG优化使的其运算速度大大的加快。使用spark需要搭配集群管理员和分布式文件存储系统。2.hadoop map reduce shuffle一般的shuffle分为两个阶段map和reduce,其中map阶段负责准备数据，reduce阶段使用数据。我们简单描述一下下图的流程，map:首先从HDSF(假设)文件系统中读取到数据，并且进行split切分。对每一块切分后的数据进行map相关操作，map处理后的数据会写入到缓存区。
2020-11-02 21:37:40
271
原创 常见算法思想之动态规划_贪婪算法
1.动态规划最近总是跟动态规划打交道，索性就将其弄明白一点。所谓的动态规划并不是一种具体的算法，而是一种算法的思想。思想总是抽象的，缥缈的。所以在学习动态规划的时候会有一种很尴尬的情况，就是感觉这个东西很简单，但是又不知道自己是不是真的学会了。简单的来说，动态规划就是将一个大问题分解为子问题，然后根据子问题的解求出原问题的解。它适用于有重复子问题(在问题计算的过程中，子问题要被重复计算多次)和最优子结构(原问题的最优解包含的子问题的解也是最优的)的问题。根据问题的这两个特征，我们很容易去简化这类问题：
2020-10-29 17:33:12
529
原创 集成学习_GBDT_XGBoost
1.集成学习(Ensemble Learning)集成学习就是将多个弱分类器组合成为一个强分类器。比起几千年才出一个的力能扛鼎的项羽来说，我们找十几个匹夫把鼎抬过去会更简单一些。这就是集成学习的思想，允许单个模型缺陷的存在，使用多个模型的组合去消除掉单个模型的这种缺陷，达到更理想的结果。所以我们需要思考两个问题：1.在这种集成思想下，如何训练单个模型。2.使用怎样的方式将多个模型组合起来。围绕上面的两个问题，下面我们介绍一下常用的几种集成学习的套路。1.1 Bagging(bootstrap a
2020-10-28 17:36:18
299
原创 基于深度学习的OCR技术简介
1.概述本文简要介绍基于深度学习的OCR技术，主要分为整体框架流程介绍，重点概念的介绍，基于windows平台的代码实战，以及遇到的一些问题和解决方案，最后展示一下胜利的果实！对于一些相关的概念介绍的深度，只在能顺利地理解本文的程度。尽量的做到 深入浅出，如有不周，敬请谅解！文章参考深度学习在OCR中的应用-美团团队！2.整体流程假设能够读到本文的人，都知道OCR(把图像中的文字提取出来)是做什么的，在此不再赘述。其实OCR和图像分类是比较像的，只是难度会更大而已。问如何找到一副图像中的目标动物
2020-10-23 22:21:49
3971
原创 常用数据结构之前缀树_线段树_树状数组
1.前缀树如下图所示，将单词拆分为字符，用从根节点到终点(黑色部分)所有路径上的字符来表示一个单词。如012用来表示in,0124用来表示int。这样将单词公共部分统一提取出来，节约存储空间，方便进行联想查找。常用在搜索引擎、输入法中的联想功能。2.前缀树python代码实现代码参考前缀树的python实现#File Name : 前缀树.pyclass TrieNode(object): def __init__(self): # 路过此节点的节点数,即以该路径为前缀的
2020-10-17 13:59:06
446
原创 条件随机场之浅出
1.随机场当给每个位置中，按照某种分布随机赋予相空间(值空间)的值，其全体就叫做随机场。简单说就是给定一些候选值，然后随机的把这些候选值填入到每个位置。2.马尔科夫随机场马尔科夫随机场就是符合马尔科夫性质的随机场，马尔科夫性质如下：局部马尔科夫性：给定了某个变量的邻接变量，则该变量和所有其它的变量无关(独立)全局马尔科夫性：将局部马尔科夫性由变量扩展到集合，给定某个变量集的邻接变量集，则该变量集和其它的变量其无关。成对马尔科夫性：将局部马尔科夫性反推，所有其它变量都已给定的情况下，两
2020-10-13 18:37:21
517
4
原创 常用数据结构之重连通图_拓扑排序_关键路径_最短路径
1.重连通图1.重连通图：在常用数据结构图这一篇中介绍过强连通图的概念，对于有向图任意两个节点A、B均符合从A到B有路径连通，从B到A也有路径连通，则称这样的有向图为强连通图。非强连通图中各自强连通的最大子图称为强连通分量。这里介绍点的重连通图概念有点像，重连通图指无向图中任意两个节点之间都有至少两条通路，称这样的无向图为重连通图。2.关节点/割点**：在无向图中，删除了某个顶点及其对应的边之后。原来的连通图被分割为二个及以上的连通分量，这样的顶点被叫做关节点/割点3.连通度:重连通图是没有关节点的，
2020-10-06 14:25:47
3400
原创 常用数据结构之图的深度优先搜索_广度优先搜索_生成树_普里姆算法_克鲁斯卡尔算法
1.图的基本概念前面我们聊到数据之间的关系有三种形式，一对一(线性表)、一对多(树)，今天我们来聊聊第三种多对多的存储形式——图。下面第一幅图，顶点之间没有箭头，称为无向图；第二幅有箭头的称为有向图。如果从一个顶点出发，经过一定的路径后又回到自身，称为回环。图三中每条路径上面的数字称为权，带权的图称为网。如果两个顶点之间通过一定数量的路径连接，我们成为连通；如果图中任意两节点之间都是连通的，称图为连通图。如果有向图中任意两个节点A、B,从A到B至少有一条路径，从B到A也至少有一条路径，称这样的图为强联通图
2020-10-04 23:48:49
3884
1
原创 常用数据结构之树的双亲_孩子_孩子兄弟表示法
1.树的双亲表示法前面我们聊得都是二叉树，今天我们来讨论一下如何去表示一棵普通的树。常用的表示方法有三种：双亲表示法、孩子表示法和孩子兄弟表示法。我们首先来聊一下双亲表示法，顾名思义，双亲表示法就是在每一个节点中，存储其父节点的下标。这样就可以将树中各节点的结构关系表示出来，也可以快速的对父节点进行访问。如下图所示我们将一棵普通的树，用图二中的列表形式进行存储。具体的python实现代码，如下所示(个人手写，不喜勿怪)：#-*- coding:utf-8 -*-class Node:
2020-10-03 17:35:11
7337
原创 常用数据结构之线索二叉树和哈夫曼树
1.线索二叉树 上一篇二叉树中，我们介绍了基本的二叉树的结构。每一个父节点对应两个子节点，左子节点和右子节点。其中我们会看到，很多节点的左右节点都为null，为了更高效的存储和遍历，我们考虑一种方式将这些为null的节点利用起来。这就是线索二叉树的思想，将为null的左子节点指向遍历时的前驱节点，为null的右子节点指向遍历时的后续节点。如此一来，在遍历的过程中，我们便可以直接通过左右子节点，找到叶子节点的前驱和后驱，使用一条线完整的将整刻树串起来。 ...
2020-10-02 18:15:15
490
原创 常用数据结构之二叉树及树的四种遍历方式
1.树 我们选择一种数据结构，不仅要能存储数据，而且要能体现数据之间的关系。目前数据主要有是三种关系一对一、一对多、多对多；之前我们讨论了线性表(数组、链表、栈、队列),其中的元素具有一对一的关系，通过元素之间左右相连来表达数据。为了表达具有一对多关系的数据，我们引进了树的概念。掌握树的关键就在于掌握这种不断延伸的一对多的关系。 下面我们介绍几种约定俗称的概念： ...
2020-09-28 23:07:05
1857
原创 TF-IDF和贝叶斯网络
1.TF-IDF TF-IDF(term frequency inverse document frequency)是一种将词转换为数值表示的方式。常用的one-hot编码的方式，数据太过于稀疏，如果词表中的词比较多，其占用的空间也很大。以前我们也聊过基于神经网络语言模型的词向量表示方式Word2Vector,比 one-hot使用空间较少；今天我们聊的TF-IDF是一种基于统计学的词向量表示方式。 TF(term frequency)指得就是一个词在整篇文章中出现的频率。计算...
2020-09-27 17:15:49
544
原创 常用数据结构之Queue(队列)
1.定义 接着上一篇常用数据结构之栈，我们趁热打铁，今天来聊一聊队列。我们都知道栈是一种有限制的线性表，只能从顶部入顶部出，即后进先出。队列是一种和栈非常相似的数据结构，也是一种有限制的线性表。其限制条件是FIFO(先进先出)，就好像我们平时排队一样，新来的人需要排在队尾，排在最前面的人最先上车。 2.顺序队列代码实现 我们使用python列表来实现一个简单的队列，包括入队，出队；这里每次出队的时候直接取第一个位置，然后其它的元素一次往...
2020-09-25 16:20:49
541
原创 常用数据结构之Stack(栈)
1.理论介绍 上一篇中我们介绍了数据结构中的堆，常言道堆栈不分家，我们继续来聊聊栈这种数据结构吧。栈从本质上来讲是一种有着特殊要求的线性表，感兴趣的可以了解一下之前讲的数据结构中的线性表。既然是线性表那么其就有两种形式，一种是线性存储(像数组一样是一块连续的内存空间)，另外一种是链式存储(像链表一样是一段非连续的空间)； 栈的特殊要求就是LIFO(Last In First Out)，对，后进先出。只有栈顶的元素允许访问。还记得上一篇讲的堆吗？从本质上来讲堆也是只有顶部的...
2020-09-24 21:17:43
556
1
原创 常用数据结构之Heap(堆)
1.简介 接着上一篇数组和链表，我们今天来聊一聊堆。我们都知道在操作系统中有堆栈这一概念，学过java的同学都知道java虚拟机中也有堆栈这么一说。栈负责管理函数的上下文以及一些基本类型变量，这一块由系统管理。堆存放新建的对象，并且会将其地址指向栈中的一个引用变量。如果没有任何引用，对象就成为垃圾对象，最后由垃圾回收器回收。但是我这里要聊的并不是内存中的堆，内存一般使用链表的形式来管理。但数据结构中堆的概念，相当于一种优先队列。2.堆的定义和性质 1.定义 ...
2020-09-24 18:39:49
911
原创 自然语言处理之BERT
1.简介 嘘！BERT来了,就是那个同时刷新了11个NLP任务记录的模型。从本质上来bert属于一个预训练模型，模型可以理解上下文和单词之间的关系，也可以理解句子和句子之间的关系。针对不同的任务，可以利用BERT进行不同的迁移学习。模型结构上来讲，其相当于是对Transformer中Encoder层的堆积。就这么一个本质上朴实无华的模型，是如何一时激起千层浪，将平静的NLP世界搞的天翻地覆的。下面让我们一起来领略一下其迷人之处，如果还不了解Transfomer的同学强烈建议先去学习Tra...
2020-09-22 23:56:50
2747
原创 常用数据结构之数组和链表
1.概述 程序在计算机中运行，实际上就是数据的流动。简单的说就是从一个容器到另外一个容器，数据对应的是两种操作存和取。所以对于数据结构的选择，我们最基本的要求就是能装的下，然后就是存取更加的方便。比如买菜就要用篮子，打水就要用水桶，给我们的数据选择合适的容器也是同等的重要。数据结构和算法可以称得上程序员之所以为程序员的东西，我尝试这尽量把这门数据结构说的容易一些，加油！奥利给。1.线性表 线性表是一种数据存储的概念，其核心的思想是把元素一个个的串起...
2020-09-18 22:36:07
559
原创 隐马尔可夫模型_前向后向算法_维特比算法
1.简介 马尔可夫模型是一种无记忆的模型，即在序列中t时刻状态只和t-1时刻相关，这是一种直接的关系。所谓的隐马尔可夫模型说的就是t时刻的状态和t-1时刻间接相关，也就是说两个观测变量之间并没有直接的关系，但是他们的隐藏变量序列符合马尔科夫性质。是不是很多看似相关的事物中，都会有一种隐藏的关系。要了解这种隐藏关系，就需要找到隐藏变量，并且发现其中的规律。这确实是一种很迷人的理论，他鼓励我们去发现那些看不见的联系。只要你足够了不起，这种思维方式对于了解宇宙的本源，也未尝不是一种可行性的方...
2020-09-17 20:18:00
1372
1
原创 自然语言处理之Attention机制
1.前言 Attention!见名知意,它是对于人类注意力机制的一种模仿。当我们看到一张图像，一篇文字的时候，我们会本能的去注意那些更重要的部分，我们给这些东西叫做引人注目。计算机工程师们总是竭尽全力的让计算机接近人类，那么如何把注意力机制加在计算机上，让它们学会去抓重点呢？跟我来！2.Encoder-Decoder 因为现在很多的注意力机制模型都是附着在Encoder-Decoder模式基础上的，所以我们首先来聊一下它。举个例子，我听到一个美女说:"我觉得你跟我未...
2020-09-11 17:11:10
332
原创 神经网络词向量模型之Word2Vec
1.前言 基于one-hot对于词汇进行编码的方式着实让人头疼，又无奈。头疼的是占用空间很大，计算量大，无奈的是这么简单粗暴的方式居然一直流传到了现在。今天给大家介绍一款基于神经网络语言模型来生成词向量的神器。在上一篇神经网络语言模型中我们介绍过语言模型的工作方式，将输入通过嵌入层转换为向量，然后使用投影层把各向量拼接在一起，通过隐层，再进入输出层。所以输入层中就得到了词向量矩阵。语言模型的核心是去表达文本，生成文本。词向量只是其中的一个环节，数据预处理的一部分。今天我们要讲解的词向量模...
2020-09-09 17:25:32
1343
1
原创 机器学习聚类算法之K-means
1.前言 什么叫做聚类，这是一种典型的无监督机器学习算法。简单来说就是把相似度高的放到一堆。在这里我们关注的重点并不是特征和标签之间的关系，而是样本与样本之间的关系。2.K-means聚类 K-means是所有实现聚类的算法中最常用的一种，因为其简单，效果好。听到简单二字是不是觉得有点兴奋，如果学习也是一条食物链的话，那么像这些容易捕捉的猎物，简直就是初学者信心增长的能量之水。那么就一起来蔑视它，蹂躏它把！ K就是我们最终要划分的簇数量，说人话...
2020-09-08 11:26:16
674
原创 神经网络语言模型之N-gram
1.闲言 每天晚上睡觉之前，我都会说服自己白天发生的一切都是假的，都已经过去了。就好像每天早上醒来，我也会不由自主的觉得昨天晚上发生的一切也都都是假的。其实仔细想一下，现实世界能够进入梦中的事物是很有限的。同样，梦中的事物能够流到现实世界的也是很有限的。那么在入口和出口的地方应该会有类似于过滤器一样的东西，把大部分的事物都给拦了下来。我就好像一堆沙子一样躺在那个地方，当清晨的太阳照射进来的时候，再凝聚成人的样式起来活动。在此我想表述的意思，并不是说这个世界是虚幻的，而是说它无比的真实。...
2020-09-07 15:59:11
1991
原创 深度学习目标检测系列之YOLOV3
1.闲言 作者说yolov3相当于是一篇技术报告，因为他还有很多别的烦心事要去干。所以yolov3相当于是在原始yolo版本的基础上，集成现有的先进技术进行改良。不过从业界反映来讲，还是很不错的。这就是说有的人随随便便就做出了其它人一辈子也做不出来的事。但是这篇论文更大的意义在于，让我们停一停、想一想，What This All Means! 换句话说，这将为人类社会带来什么？在历史前进的道路上，大神们为这辆车发明了轮子，而我们负责推着它往前走。但是如果前面是一个大火坑呢？你还要继续...
2020-09-05 22:32:07
2604
原创 深度学习目标检测系列之YOLO9000
1.闲言 在正式的学习之前，我喜欢先放飞一下自我。我觉得技术就是用来聊的，找个酒馆，找些大神，咱们听着音乐一起聊起来。所以我特别希望能把自己的微博写的口语化，就像玩一样。就像古代那些说书人一样，萧远山和慕容博相视一笑，王图霸业，血海深仇，尽归尘土。这是我向往的一种表达方式，但是我现在还达不到那个境界，只能尽力而为吧。2.YOLOV2 1.十个改造点 yolov1提升了目标检测的速度，但是在MAP方面却掉了上去。所以说铁打的大神，流水的模型...
2020-09-04 18:13:57
2771
原创 深度学习目标检测系列之YOLOV1
1.前言 继faster rcnn后RGB大神在目标检测领域再放大招，凭借着接近于艺术般的殿堂级表现。RGB大神成功论证那句名言，每个不断进步的人看到昨天的自己都好像是垃圾。我们都知道faster rcnn是分为两个阶段进行学习的，RCNN+RPN网络。但大神那艺术般的天人为一的直觉告诉他，不对，不对，you only look once。在一个月黑风高的晚上，这个灵感让大神激动地彻夜难眠。人生有几个百年，何不现在起来就干，于是有了这片洋洋洒洒几千余字的大作。2.you only ...
2020-09-03 00:17:30
529
1
原创 深度学习之人脸检测网络MTCNN
1.前言 无关风月 我题序等你回，悬笔一绝 那岸边浪千叠，情字何解 怎落笔都不对，而我独缺 你一生的了解！2.MTCNN简介 MTCNN是一套用来做人脸检测的框架，经常会搭配着facenet人脸识别系统来一起使用。其对人脸的识别内容包括，是否是人脸、人脸位置坐标、人脸关键点识别(左眼、右眼、鼻子、左边嘴角、右边嘴角)。创新性的使用级联检测的方式来提高检测的效率，并且使用了在线困难样本选择策略来加速收敛。下面我们分别来进行描述。3.级联网络 ...
2020-09-01 21:08:57
794
原创 统计学习方法之支持向量机
1.前言 先来一段废话：从小，在我的思想中就有一块荒无人烟的戈壁，好像我是已经穿越到了自己死后的世界。在那里我的意识感觉到了前所未有的恐惧，因为所有的一切都与我无关了，对于这个世界来说我只是一个过客而已。就好像我和那里的大地融为了一体，任岁月从我的身上缓缓的流去。但我明显的知道这并不是最恐怖的事情，最恐怖的是我会完完全全的消失掉，什么地方都没有我了。人不能接受自己的消失是一件很奇怪的事情，因为世界上所有的东西都会消失，但为什么是我们会有这种恐惧的情绪。恐惧其实是一种自我保护机制...
2020-08-29 21:28:49
364
原创 统计学习方法之决策树
1.前言 你要是愿意流浪，我陪你到海角天边；你如果想要安顿，我便日出日落柴米油盐；你是我想捧在手心里，一直都看不够的小紫罗兰。我觉得我已经幸福的过了头，当你在我的梦中出现的时候；前一生我不小心用石头砸到了你的头，所以这一辈子你就像石头一样敲碎我的心。但是守候一颗石头的快乐，却使我笑成了个傻子；此段纯属废话 ，不用理会；2.决策树 决策树的思想是使用树的形式来还原特征和分类之间的关系，树根和树杈表示的是特征，树叶表示的是分类；当我们生成了这棵树，每一组新的特征便...
2020-08-27 20:06:50
795
原创 统计学习方法之朴素贝叶斯
1.贝叶斯 1.后验概率 贝叶斯的厉害之处就在于他是一种基于后验概率的统计理论，先解释一下，先验概率是通过经验判断某件事发生的概率；条件概率是已经x发生的条件下y发生的概率；后验概率是发生了y事件，条件x成立的概率； 2.贝叶斯公式 解释一下就是，分子表示的是A概率*A条件下B的概率，这就可以表示出AB同时发生的概率；同时概率除以B发生的概率自然 ...
2020-08-26 23:18:40
279
原创 统计学习方法之感知机模型
1.前言 写这篇博客的时候，我头晕脑胀的。晚上11点多，我特别想睡觉，但是一种深深的负罪感把我从床上拉了起来。世界上最遥远的距离，就是明明非常喜欢那这床，却还得假装根本没有把它放在心上。为什么要写感知机呢？这么一个老古董。因为我正好看到了《统计学习方法》的那一课。欲生欲死、死不足惜、夕阳西下、夏天真的特别容易困。2.感知机模型 关于感知机的正儿八经的博客一大堆，如果一味的重复别人的套路就太无聊了。所以这篇我打算以问题驱动的方式，来解释这个算法。就当提前面试...
2020-08-26 14:13:21
226
原创 NLP人工智能写诗模型之李小白
1.前言 我希望我的技术是有温度的，也许是生活已经足够冰冷。我希望赋予我的模型以生命，它们在那个虚拟世界里面的生活，又何尝不跟我们这个所谓真实的世界一样呢？所以我叫他李小白，因为我喜欢那句‘乘风破浪会有时，直挂云帆济沧海’。2.目标 我们希望得到这样一个模型，当我输入第一个字的时候，她可以用这个字开头为我做一首诗。3.思路 我们会让模型读上万首诗，他会从中学习到一种能力，写诗。无关意境、无关思想、只...
2020-08-25 00:11:15
1049
原创 深度神经网络-反向传播算法之超级鱼竿
1.概述 深度神经网络是一个黑盒子，反向传播算法就是黑盒子里的手电筒。之所以起这个标题，授人以鱼不如授人以渔，但是很多时候我们拿到的鱼竿都只是最原始的木棍，费了很大力气还是没有打到鱼，到最后只得承认自己不行。如果文中描述的并不是很清楚，我也不会承认自己是标题党，毕竟对于神经网络来说我们是一步步逼近最优解的。我会尽力使事物看起来简单一些，因为看到那些复杂的东西我头疼。2.反向传播 反向传播就是使用梯度下降，一步步更新参数的过程。 ...
2020-08-21 15:02:08
219
原创 图像处理那点事儿之三特异功能
2.图像特效你在我眼中是最美，每一个微笑都让我沉醉《最美-羽泉》特效章节主要涉及到颜色值本身的变化，让我们重温一下，计算机图像由三种基本颜色组成红色、绿色、蓝色、这些颜色值在0到255之间,通过这三种原色的不同组合生成了网络神奇大千世界。1.灰度处理灰度处理是特效中最关键的 一趴，既然三种原色不同组合会生成五颜六色，那我们就让它们比例都一样这样就灰了。另外心理学觉得我们这么做太粗暴，于是就有了心理学灰度公式：心理学公式： r0.299+g0.587+b*0.144。上源码#灰度处理#方法一 直接
2020-08-19 23:01:41
308
原创 图像处理那点事儿之二美轮美奂
3.图像美化1.直方图直方图可以很好的展示出图片中各种颜色分布的比重，对于我们分析图片有很大的帮助。实现起来也是很简单的，我们只需要把每种颜色值出现的比率计算出来，使用plt展示即可；有一点需要注意，颜色的计算需要分通道进行。#原理，把0-255每个颜色所占像素点的数量用线段表示出来，不同的线段长度表示不用颜色的分布情况#使用opencv绘制彩色图像直方图#1.定义窗口名称 2.计算直方图信息 3.绘制直方图import cv2import numpy as np#直方图计算逻辑def
2020-08-19 22:52:29
170
原创 图像处理那点事儿之一凌波微步
1.简介本文内容参考B站-机器视觉及图像识别不懂图像处理的图像算法工程师都是耍流氓，本文均属于作者个人看法，仅供参考。其实处理图像，就像是追女孩子。刚开始会有点恐惧，面对那么多华丽丽的技巧，心中不由的会问自己我配吗。接触一段时间以后，觉得也不过如此，再华丽的算法也有瑕疵和一些小任性。最后到手了，你明白真正的爱是懂她，包容她。郭敬明说:“我颠倒了整个世界，只为摆正你的倒影”。我现在虽然还只是小菜鸟一枚，但是对于所有的华丽，我已经不再恐惧。后面我们将按照追女神的套路，来学习这门技术，只是为了让枯燥的学习变
2020-08-19 22:23:07
2740
原创 深度学习领域常用optimizer总结-梯度下降算法优化
该文档描述了深度学习中常用的优化器算法，优化算法都是基于GD(梯度下降法)的各种改进。总共分为两种，一种是想方设法优化G梯度，另外一种是绞尽脑汁优化学习率。更有牛逼的直接不需要预先指定学习率。简单不、心动不
2020-08-17 15:49:03
301
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人