-
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... -
6.2 权重的初始值
6.2 权重的初始值 6.2.1 可以将权重初始值设为 0 吗 6.2.2 隐藏层的激活值的分布 6.2.3 ReLU的权重初始值 6.2.4 基于 MNIST 数据集的权重初始值的比较 6.2 权重的初始值 在神经网络的学习中，权重的初始值特别重要。实际上，设定什么样的权重初始值，经常关系到神经网络的学习能否成功。本节将介绍权重初始值的推荐值... -
6.4 正则化
6.4 正则化 6.4.1 过拟合 6.4.2 权值衰减 6.4.3 Dropout 6.4 正则化 机器学习的问题中，过拟合 是一个很常见的问题。过拟合指的是只能拟合训练数据，但不能很好地拟合不包含在训练数据中的其他数据的状态。机器学习的目标是提高泛化能力，即便是没有包含在训练数据里的未观测数据，也希望模型可以进行正确的识别。我们可以制作复杂的... -
作为编程语言的正则表达式
作为编程语言的正则表达式 以文件名做类比 以语言做类比 作为编程语言的正则表达式 Regular Expressions as a Language 如果没有正则表达式相关经验，读者可能无法理解上个例子中正则表达式「^（From|Subject）：」的意义，但是这个表达式并没有什么神奇之处。其实魔术本身也不神奇，只是缺乏训练的普通观众不明白魔术师... -
第2章 入门示例拓展
第2章 入门示例拓展 第2章 入门示例拓展 Extended Introductory Examples 还记得第1章中单词重复的例子吗？我说过，完整解决这个问题只需要用Perl之类的语言写几行代码。它看起来像是这样： 嗯哼，这就是完整的 程序了。 即便你对Perl有所了解，我也不敢奢望你能完全明白这段程序（至少目前如此）。我希望的是，这... -
空标题文档
20.1 在线广告 在第10章中，Chris Spooner与我们分享了他的博客是如何在他自我雇用期间为他提供帮助的。如今，Chris Spooner的商业模式已经有了翻天覆地的变化。他与我们分享了他的故事： “我的在线设计教程日益增加的访问量不仅为我带来了潜在的合作项目，”Chris说，“它们还吸引了越来越多的广告商。随着越来越多的横幅广告被卖了... -
6.7 二叉树的存储结构
6.7 二叉树的存储结构 6.7.1 二叉树顺序存储结构 6.7.2 二叉链表 6.7 二叉树的存储结构 6.7.1 二叉树顺序存储结构 前面我们已经谈到了树的存储结构，并且谈到顺序存储对树这种一对多的关系结构实现起来是比较困难的。但是二叉树是一种特殊的树，由于它的特殊性，使得用顺序存储结构也可以实现。 二叉树的顺序存储结构就是用一维数组存储二...