Home
Projects
About
CLOUD TAGS
Programming
3
Life
2
Work
28
Notes
1
Design-pattern
4
Tutorials
7
机器学习
6
Language
13
Lankar
2
Tools
6
Linux
9
Research
4
Tips
14
Algorithm
1
Interview
7
Headfirst
4
Jekyll
3
Payments
2
Web-service
1
Deep-learning
3
SO LONG, AND THANKS FOR ALL THE FISH.
Linear Regression with TensorFlow
TensorFlow除了可以用于一些基本的深度学习算法（*NN)之类，当然也可以用于最简单的线性回归。毕竟以后我们所有接触到的如Logistics Regression, Neural Network 等都是以最基本的线性回归（Linear Regression）为基础的。本篇主要从简单的线性回归来展示运用TensorFlow工具做模型的一般过程。
-
December 26, 2017
TensorFlow基本操作(二)
前一篇主要对TensorFlow的常量，如简单的scalar, vector, matrix等Tensor，以及线性序列(Sequence)，基本的抽样函数做了介绍，本篇主要介绍TensorFlow中的变量，数据类型，基本的数学操作，并结合TensorBoard,来介绍一些变量依赖的组织。 搞机器学习或是数值计算程序的人估计都了解NumPy，或者整个python-based的数理科学计算的生态系统,SciPy。
-
December 11, 2017
TensorFlow安装笔记与基本操作
毫无疑问TensorFlow从诞生之初便是各种贵族血统，光环加身。相比于目前比较流行的一些deep learning 框架，比如Theano, Caffe2,或者是百度的PaddlePaddle，虽然TensorFlow起步比较晚，但竟后来居上获得了大多数人的青睐，不管是学术研究还是产业界。究其原因，当然每个人都能说上几点。但写TensorFlow for Machine Intelligence的哥么总结的很到位，简单的说就是TensorFlow旨在解决目前深度学习框架在学术研究的易用性和产业界的实用性不能兼得的困境。
-
December 05, 2017
GitHub账户设置多个SSH Keys
针对不同的git代码库配置不同的的git name, email, 以及相应的ssh公私钥。满足同一台电脑或是同一个git 账户的不同用户提交。尤其适用于在公用电脑（比如公司电脑）上提交自己GitHub代码库。如果想直接查看代码，请直接跳转到How。也可以查看使用场景是否跟你的一致，第二节原理篇则介绍这些命令背后的逻辑，均可忽略。
-
November 29, 2017
Disqus On Jekyll 之翻内篇
在自建Jekyll类静态博客上搭建轻量级评论系统是一个大抵都走过这几步： 从最初按照Disqus On Jekyll的标准教程搭建Disqus原生评论系统。 发现在天朝经常加载不起来，或者匿名评论系统比较隐蔽，放弃disqus，转投类WordPress自建评论系统或者国内成熟的评论系统，比如多说、畅言。 发现国内系统不好用或者不好看，或者不稳定（比如多说系统关闭了），一部分人开始停止折腾，转投WordPress博客，或者直接不使用评论系统了 然后就没有然后了
-
November 18, 2017
支付网关接入中的ssl连接和签名调试tips
支付平台网关接入是个费力不讨好的活。做过的人都明白，本身没有很高的技术含量，但是工作的内容是及其繁琐和费时费力的。对一个商家的支付平台的开发者而言，每一个bank processor的接入都会涉及到基本的支付机构接入文档阅读，基本支付用例分析，双方通信方式，消息格式，连接和加密方式等分析。山人也曾接入过目前主流的几家支付渠道，便整理了些有用的tips以备不时之需。
-
July 17, 2016
当我们谈论RESTful时，我们在谈论什么
标题好像有点噱头，山人在此先检讨。去知乎了一下，发现这种句式叫做卡佛句式，好像村上春树也用过，看来是雅俗共赏的。且回正文，最近Team要做一个Service，负责一些全局资源的管理，并为Internal的其他Services提供通用资源访问接口。想着之前一直是用一些RPC-style的架构，不如来试试RESTful的吧。虽然关于什么才是真正的REST一直有很多争论。
-
December 19, 2015
也谈MCMC方法与Gibbs抽样
MCMC，即传说中的Markov Chain Mento Carlo方法。其主要用于统计推理中进行模拟抽样，尤其在贝叶斯推理中有着非常广泛的应用。如算法模型的后验参数估计问题，很多情况下其后验概率分布没有确定性的解析解，或者解析解计算起来非常复杂，便可以通过MCMC模拟抽样，根据大数定律，参数的期望便可以通过对抽样样本的求均值来评估。
-
December 07, 2015
核函数与支持向量机入门
理解支持向量机(Support Vector Machine, SVM)的角度很多。从分类问题入手，由最小化训练错误导出限制条件下的凸优化问题的解，进而由线性可分的硬边界泛化为利用松弛变量放宽限制条件的软边界问题；从一般性的损失函数出发，由线性回归的0-1损失函数换成hinge损失函数，进而加上针对模型复杂度的L2惩罚项；亦或是从支持向量的角度，由核函数的一般应用到稀疏核的支持向量，进而分析SVM的核技巧。后者学习曲线相对来说比较大，却有助于深入理解SVM。
-
August 30, 2015
浅谈L0,L1,L2范数及其应用
在线性代数，函数分析等数学分支中，范数（Norm）是一个函数，其赋予某个向量空间（或矩阵）中的每个向量以长度或大小。对于零向量，另其长度为零。直观的说，向量或矩阵的范数越大，则我们可以说这个向量或矩阵也就越大。有时范数有很多更为常见的叫法，如绝对值其实便是一维向量空间中实数或复数的范数，而Euclidean距离也是一种范数。
-
August 23, 2015
« Prev
Page: 1 of 6
Next »
