当前最密集的主题分卷，适合作为博客频道的第一条主线。
Pytorch-1-Tensor是什么
先看重点卷宗，再进入完整档案理解长期积累。
博客现在是战区资产载体之一：原生内容与归档旧文共存，负责把长期写作沉淀到主题版图里。
重点卷宗
先进入当前最值得看的情报卷宗，再决定是否回到完整档案继续扩展阅读。
Priority Dossier 01
Pytorch-1-Tensor是什么
Tensor是什么？ Tensor即张量，是一个多维数组，是标量、向量、矩阵的高维拓展。 标量是一个单个数，是一个0维张量； 向量则是多个标量在同一个维度上的组合，是一个1维张量； 矩阵是多个向量在同一个维度上的组合，是一个2维张量； 而多个矩阵组成的则是3维张量……依次类推，
这篇归档旧文代表较早的关键积累，适合补全背景与方法脉络。
Priority Dossier 02
Paper_GAN_GenerativeOneShotFaceRecognition
介绍 英文： 即One-shot face recognition， 问题： 测量的学习算法仅看一眼就能识别人员的能力；  (较好的小样本人脸识别的例子。) 目标：为普通人脸(可以看多次)和”one-shot”人脸共同建立一个更有效的泛化的人脸分类器 常见实例应用： 大
这篇归档旧文代表较早的关键积累，适合补全背景与方法脉络。
Priority Dossier 03
CS231n-Week3-Assignment4
知识点 上节内容 图像分类问题，机器看到的图像是像素值矩阵 机器识别图像的困难在于语义鸿沟，即识别图片中的事物即含义 两个算法：KNN算法和线性分类器，KNN算法相对线性分类器而言没有可优化的权重矩阵W 损失函数 损失函数的通用表达式 L(W) = \frac{1}{N} \su
这篇归档旧文代表较早的关键积累，适合补全背景与方法脉络。
完整档案
按时间继续浏览全部记录，也可以顺着分类和标签切入更具体的主题分卷。
Record 01
CS231n-Week2-WeekSummary
总结 知识点 CIFAR-10数据集，5w训练，1w测试，10class，32x32像素 距离度量方法： L1范数 ：$ d_1 (I_1, I_2) = \sum_p \lvert I_1^p - I_2^P\rvert$ L2范数 ：$d_2(I_1, I_2 = \sqrt
Record 02
CS231n-Week2-Assignment3
学习： 知识点： KNN算法： 距离度量： 根据给定的度量，在训练集合中找出与x距离最近的k个点(k=1时即近邻算法) 分类决策规则(k>1时为KNN) 根据分类决策规则(如多数表决，加权方法等)决定x的类别y 总结：KNN算法三要素：K值的选择，距离度量，分类决策规则 复杂度：
Record 03
汇编学习
本文为学习了jiftle大神翻译并写下的通俗易懂的《 X86汇编快速入门 》后的记录 寄存器部分 如图，EAX用于计算，ECX用于循环变量计数，ESP指示栈指针(用于指示栈顶位置)，EBP是基址指针(用于指示子程序或者函数调用的基址指针)。 并且，EAX,EBX, ECX和EDX
Record 04
CS231n_Week1_Assignment2
学习： 数据驱动方法 一张图像在计算机的眼中就是一堆数字矩阵，大小为长x宽x通道数，其中每个数字在0~255之间代表像素。 图像即训练数据，而在分类任务中，图像的种类即label标签。 图像分类存在的问题与挑战：角度，光照，形变和遮挡，图片背景混乱，类内差异等 过去的尝试： 硬编
Record 05
Pyramid-GAN的代码结构
GAN的代码结构 在GAN类外，是生成器类和判别器类的代码，而本篇中的GAN较为特殊，使用的是金字塔结构的判别器，有些地方需要额外注意。 初始化函数 参数解析器 首先是使用参数解析器(argparse)，方便直接在控制台使用Python命令来控制训练的部分超参数 本篇代码中含有的
Record 06
Adam的回顾
加权平均数 温馨提示：由于本篇latex公式较多，容易显示异常或者加载较慢 公式： $V_t = \beta_1V_{t-1} + (1-\beta_1)\theta_t$ 其中$V_0 = 0$，所以展开后为： $V_t = \beta_1^{t-1}(1-\beta_1)\t
Record 07
CS231n_Week1_Assignment1
作业： (阅读理解题) 1. 图像的数据主要来源有哪些 照相机，手机，摄像头等一系列视觉传感器设备生产出了大量的图像数据 2. sift feature，金字塔匹配思想和hog特征分别是什么，可以用来干什么 sift feature： 确认目标上在变化中具有表现型和不变性的特征，
Record 08
用numpy实现一个双层的softmax神经网络
使用的数值化数据集： 链接： https://pan.baidu.com/s/110dhDKA8eXYV4-kfmevo0g 提取码：x3wu 整体思路 使用Numpy和pandas写一个神经网络，进行手写数字识别(MNIST)，样本图如下： 总思路 整体神经网络代码只使用Num
Record 09
第一篇博客
0. 最近事务 0.1 平时课程上 0.1.1 微机原理 [ ] 需要我 读完CAAE的论文 简介然后完善好最后的 文献报告 [x] 写一下softmax神经网络的python代码 [ ] 考完试开始康康汇编，学着用它写神经网络 [ ] CS231n的日常学习 0.1.2 考试开