-
匆匆那年，只要一起全力过，不后悔，就值得了
匆匆那年，只要一起全力过，不后悔，就值得了 匆匆那年，只要一起全力过，不后悔，就值得了 陈寻和方茴的爱情最终没有走到最后，就像所有的青春期恋爱，男女主人公都会分道扬镳，留下郁郁葱葱的匆匆那年，留下了一个能让人回忆一辈子的爱情故事，留下安静的夜晚值得让人回味的一个个热泪盈眶的故事。 很多人怪陈寻不够努力，怪方茴太轻易放手。可是，却不知道，他们真的努力过... -
空标题文档
8.10 总结 我们介绍了如何使用装饰器修改函数和类的定义。也介绍了如何将一个庞大的类分解成互相关联的模块的mixin。 这所有的技术都是为了分离业务相关的功能和通用的功能，例如安全、审计或者日志。我们会区分继承自类的功能和不属于继承的额外关注点的方面。继承的功能是显式设计的一部分。它们是继承结构中的一部分，它们定义了一个对象是什么。其他的方面可以是m... -
3.6 手写数字识别
3.6 手写数字识别 3.6.1 MNIST 数据集 3.6.2 神经网络的推理处理 3.6.3 批处理 3.6 手写数字识别 介绍完神经网络的结构之后，现在我们来试着解决实际问题。这里我们来进行手写数字图像的分类。假设学习已经全部结束，我们使用学习到的参数，先实现神经网络的“推理处理”。这个推理处理也称为神经网络的前向传播 （forward p... -
5.6 Affine/Softmax 层的实现
5.6 Affine/Softmax 层的实现 5.6.1 Affine 层 5.6.2 批版本的 Affine 层 5.6.3 Softmax-with-Loss 层 5.6 Affine/Softmax 层的实现 5.6.1 Affine 层 神经网络的正向传播中，为了计算加权信号的总和，使用了矩阵的乘积运算（NumPy 中是 np.dot... -
空标题文档
火花 不是你——是他们！ “世界上有两种人，”当我们离开宽街走向国王大街的时候安迪说道，“一种粗鲁无礼，一种不粗鲁。你猜怎么样？” “怎样？”我问。 “粗鲁无礼的人可以再被细分为两大类：一种与你有分歧，一种没有。” 他说得对（见下图）。 这张图看起来像是孩子的涂鸦。确实如此！但如果你用这个图表进行分析，你会得出一个更深层的结论。它就是： ... -
7.4 卷积层和池化层的实现
7.4 卷积层和池化层的实现 7.4.1 4 维数组 7.4.2 基于 im2col 的展开 7.4.3 卷积层的实现 7.4.4 池化层的实现 7.4 卷积层和池化层的实现 前面我们详细介绍了卷积层和池化层，本节我们就用 Python 来实现这两个层。和第 5 章一样，也给进行实现的类赋予 forward 和 backward 方法，并使... -
空标题文档
第二部分 洞悉思维本质，创建情感机器的6大维度 04 意识 “意识”是一个“手提箱”式词汇，它被我们用来表示许多不同的精神活动。而这些精神活动并没有单一的原因或起源，当然，这也正是为何人们发现很难“理解意识是什么”的原因所在。心灵的每个阶段都是一个同时存在多种可能性的剧场，而意识则将这些可能性相互比较，通过注意力的强化和抑制作用... -
目 录
目 录 导论 从经典理解中国国家转型 第一章 《荀子》：为来临中的帝国立法 第一节 荀子与《荀子》 第二节 以君权为核心的帝国制度建设 第三节 以人为中心的国家治理原则 第四节 明代学者对新国家类型的朦胧向往 第二章 《清代地方政府》：成熟帝国中的地方财政行动者 第一节 瞿同祖与《清代地方政府》 第二节 地方政府的结构与行动... -
3.4 3 层神经网络的实现
3.4 3 层神经网络的实现 3.4.1 符号确认 3.4.2 各层间信号传递的实现 3.4.3 代码实现小结 3.4 3 层神经网络的实现 现在我们来进行神经网络的实现。这里我们以图 3-15 的 3 层神经网络为对象，实现从输入到输出的（前向）处理。在代码实现方面，使用上一节介绍的 NumPy 多维数组。巧妙地使用 NumPy 数组，可以用很... -
3.3 多维数组的运算
3.3 多维数组的运算 3.3.1 多维数组 3.3.2 矩阵乘法 3.3.3 神经网络的内积 3.3 多维数组的运算 如果掌握了 NumPy 多维数组的运算，就可以高效地实现神经网络。因此，本节将介绍 NumPy 多维数组的运算，然后再进行神经网络的实现。 3.3.1 多维数组 简单地讲，多维数组就是“数字的集合”，数字排成一列的集合、排成...