首 页 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 尾 页

手把手教你估算深度神经网络的最优学习率(附代码&教程)

发布者: super | 发布时间:2017-11-30

原标题:手把手教你估算深度神经网络的最优学习率(附代码&教程)

来源:机器之心;作者:Pavel Surmenok;

本文编辑转自:数据派THU ;编辑:黄继彦;校对:朱江华峰;

本文长度为2000字,建议阅读4分钟

学习率(learning rate)是调整深度神经网络最重要的超参数之一,本文作者Pavel Surmenok描述了一个简单而有效的办法来帮助你找寻合理的学习率。

我正在旧金山大学的 fast.ai 深度学习课程中学习相关知识。目前这门课程还没有对公众开放,但是现在网络上有去年的版本,且年末会在 course.fast.ai (http://course.fast.ai/) 上更新。

GitHub 链接:https://gist.github.com/surmenok

学习率如何影响训练?

深度学习模型通常由随机梯度下降算法进行训练。随机梯度下降算法有许多变形:例如 Adam、RMSPr

想读更多 ->

浅谈JVM原理

发布者: super | 发布时间:2017-11-30

原标题:浅谈JVM原理

概念

虚拟机:指以软件的方式模拟具有完整硬件系统功能、运行在一个完全隔离环境中的完整计算机系统,是物理机的软件实现。JVM分类:VMWare ,Visual Box,JVM(其中VMWare和Visual Box都是使用软件模拟物理CPU的指令集 ,而JVM使用软件模拟Java 字节码的指令集)

运行机制

图1 jvm运行机制

基本架构

原标题:为什么许多公司不要培训机构出来的程序员?

2017 年,从微软、Oracle、IBM,到思科、思杰、HPE,再到 Etsy、Facebook、 Stack Overflow,无论是老牌科技公司还是创新型企业,似乎都呈现出一种颓势,裁员风波一浪高过一浪。而近观国内整体局势,继悟空单车等退出市场,酷骑单车、小蓝车先后倒闭后,近日小鸣单车也被曝裁员 99%,公司实控人“跑路”......国内外的互联网圈显得动荡不已,预想而知,一大批从业者也正面临失业的窘境,蜂拥至求职的队伍之中。

而在这波求职的浪潮下,不少企业招聘似乎都有一个基本的学历门槛,之前 CSDN 也曾发表过一篇《2017 机器学习调查报告》文章,其中就中国而言,AI 人才的硕士学位占比高达 40.5%,博士为 11.2%,而大部分的招聘至少也需要是本科学历。此外,在招聘中,很多 HR 还会有一种别样的态度,「不要

想读更多 ->

轻松学习 JavaScript——第 3 部分:函数中的默认参数

发布者: super | 发布时间:2017-11-30

原标题:轻松学习 JavaScript——第 3 部分:函数中的默认参数

Java函数可以有默认参数值。通过默认函数参数,你可以初始化带有默认值的正式参数。如果不初始化具有某些值的参数,则该参数的默认值为undefined。

请看下列代码:

functionfoo(num1){ console.log(num1);}foo();

在调用函数foo时,你没有传递任何参数,因此变量num1的默认值设置为undefined。但是,有时你可能需要设置默认值而非undefined。过去,最好的策略是测试参数值undefined,然后分配一个值。所以,在上面的例子中,如果你想要将num1的默认值设置为9,那么你可以按照以下代码所示的方式做:

functionfoo(num1) { if(num1 === undefined) { num1 = 9; } console.log(num1);}foo();

ECMA 6引入了函数的默认参数。使用ECMA 2015的默认参数功能,你将不再需要检查未定义的参数值。现在,你可以将9设置为参数本身的默认值。你可以重写上述

想读更多 ->

用 Python 实现一个大数据搜索引擎

发布者: super | 发布时间:2017-11-30

原标题:用 Python 实现一个大数据搜索引擎

搜索是大数据领域里常见的需求。Splunk和ELK分别是该领域在非开源和开源领域里的领导者。本文利用很少的Python代码实现了一个基本的数据搜索功能,试图让大家理解大数据搜索的基本原理。

布隆过滤器 (Bloom Filter)

第一步我们先要实现一个布隆过滤器。

布隆过滤器是大数据领域的一个常见算法,它的目的是过滤掉那些不是目标的元素。也就是说如果一个要搜索的词并不存在与我的数据中,那么它可以以很快的速度返回目标不存在。

让我们看看以下布隆过滤器的代码:

classBloomfilter(object):

"""

A Bloom filter is a probabilistic data-structure that trades space for accuracy

when determining if a value is in a set. It can tell you if a value was possibly

想读更多 ->

SEO视角下DIV+CSS网页布局优化研究

发布者: super | 发布时间:2017-11-30

原标题:SEO视角下DIV+CSS网页布局优化研究

网站设计者都希望用户在搜索引擎上检索某一内容的相关网站时,自己的网站能够出现在搜索引擎结果页面比较靠前的位置。随着搜索引擎优化技术的不断发展,这种成本低而回报高的搜索引擎营销方式越来越受到网站设计者的喜爱和拥护。而DIV+CSS作为主流网页布局方式,不仅要考虑网站的美观性,还要考虑提高搜索引擎程序的爬行效率,使得搜索引擎能够抓取大量的关键信息。因此高效合理的网页布局在搜索引擎对网站评价排序时就显得尤为重要。

1 SEO介绍

1.1 SEO及工作原理

SEO是Search Engine Optimization的缩写,中文为搜索引擎优化。搜索引擎优化的主要任务之一就是提高网站的搜索引擎友好性,其每个环节都会与搜索引擎的工作流程存在必然的联系,研究SEO实际上就是对搜索引擎工作过程进行逆向推理。

SEO的工作原理主要基于页面收录、页面分析、页面排序及关键字查询四部分。搜索引擎首先通过Spider(蜘蛛程序)自动访问互联网,然后沿着网页中的超链接爬到其他网页上,并把爬行中经过的网页信息收集起来;其次通过对原始页面的索引快速

想读更多 ->

JavaScript 性能优化的小知识总结

发布者: super | 发布时间:2017-11-30

原标题:JavaScript 性能优化的小知识总结

作者:静逸

出处:http://www.cnblogs.com/liyunhua

链接:http://www.cnblogs.com/liyunhua/p/4529086.html

前言

一直在学习 java,也有看过《犀利开发 Jquery 内核详解与实践》,对这本书的评价只有两个字犀利,可能是对 java 理解的还不够透彻异或是自己太笨,更多的是自己不擅于思考懒得思考以至于里面说的一些精髓都没有太深入的理解。

鉴于想让自己有一个提升,进不了一个更加广阔的天地,总得找一个属于自己的居所好好生存,所以平时会有意无意的去积累一些使用 jQuerry 的常用知识,特别是对于性能要求这一块,总是会想是不是有更好的方式来实现。

想读更多 ->

一道题看清动态规划的前世今生 ( 二 )

发布者: super | 发布时间:2017-11-30

原标题:一道题看清动态规划的前世今生 ( 二 )

来源:StormMa,

blog.stormma.me/2017/11/16/一道题看清动态规划的前世今生-二/

前言

接着上一篇一道题看清动态规划的前世今生(一),这次我们会以同样的思路去分析经典的01整数背包问题,加深对动态规划的印象。

经典01背包问题

给定n种物品和一个背包。物品i的重量是w[i],其价值位v[i] ,背包的容量为W。问应该如何选择装入背包的物品,使得转入背包的物品的总价值为最大?

暴搜出奇迹

继续我们上一篇的套路来一步一步逼近我们要的动态规划的解法。

假设我们完成了暴搜的函数,我们只需返回结果!

java版

private int search(int idx, int[] w, int[] v, int n, int s, int W) {

...

}

/**

* @param w 物品重量

<

想读更多 ->

如何找到最优学习率?

发布者: super | 发布时间:2017-11-30

原标题:如何找到最优学习率?

雷锋网按:本文作者Sherlock,本文首发于作者的知乎专栏《深度炼丹》, 雷锋网获其授权发布。

经过了大量炼丹的同学都知道,超参数是一个非常玄乎的东西,比如batch size,学习率等,这些东西的设定并没有什么规律和原因,论文中设定的超参数一般都是靠经验决定的。但是超参数往往又特别重要,比如学习率,如果设置了一个太大的学习率,那么loss就爆了,设置的学习率太小,需要等待的时间就特别长,那么我们是否有一个科学的办法来决定我们的初始学习率呢?

在这篇文章中,我会讲一种非常简单却有效的方法来确定合理的初始学习率。

学习率的重要性

目前深度学习使用的都是非常简单的一阶收敛算法,梯度下降法,不管有多少自适应的优化算法,本质上都是对梯度下降法的各种变形,所以初始学习率对深层网络的收敛起着决定性的作用,下面就是梯度下降法的公式

原标题:成为合格程序员的8种途径【重庆IT培训】

是时候开始认真考虑一下如何升级你的开发技术了。跟着重庆IT培训的老师来认真地学习一下吧。

给自己设定一个提高开发技术的目标很容易,但是“想成为一名伟大的程序员”却不是一个容易实现的目标。首先,说“我想变得更好”,是建立在你认识到“更好”的样子基础之上。另外,有太多的人追求进步而不知道如何去实现。

因此,让我分享八个可实际操作的指导方针,你可以把它们作为提高编程技能的流程图。这些智慧都是伴随着计算机35年的发展沉淀下来的。

1.时刻提醒自己:学习

学习某件事的第一步是承认你不知道。这听起来很正常,但经验丰富的程序员还记得要真正让自己承认这一点需要花多长时间。很多计算机科学专业的学生毕业的时候,都有一种很傲慢的态度,就是“我知

想读更多 ->