理解全连接层： 全连接层可以由卷积核深度为上层特征图深度的卷积运算代替，卷积后channel上每个1x1卷积核都会作为一个输出，可看作全连接层的一个点。 假设最后一个卷积层的输出为7×7×512，连接此卷积层的全连接层为1×1×4096。 如果将这个全连接层转化为卷积层： 1. 共有4096组滤波器（通道数4096） 2. 每个卷积核的大小为512x7×7 3. 则输出为1×1×4096 由于每个滤波核的大小和上一层的feature map大小一样，保证了转换后的卷积层的运算结果和全连接层是一样 ...

tensorflow 使用一种叫 tensor 的数据结构去展示所有的数据，我们可以把 tensor 看成是 n 维的 array 或者 list。在 tensorflow 的各部分图形间流动传递的只能是tensor。 rank rank 就是 tensor 的维数。 例如我们所说的标量(Scalar)： s = 8 维数为 0，所以它的 rank 为 0。 例如矢量(Vector)： v = [1, 2, 3]，rank 为 1。 例如矩阵(Matrix)： 12345m = [ [1, 1 ...

GAN的一大应用场景就是逼真图片的生成，而这一点则与动漫二次元期望生成“老婆”的愿望一拍即合。于是近年，有许多动漫相关的、使用GAN的项目被开发了出来，作为一个资深动漫宅，这里给大家做了一个整理，欢迎补充~ 实例 输入各种参数生成动漫人物头像 Waifu2x 动漫图片无损放大 Chainer-CycleGAN 动漫人物头发转银色 Turn your 2-D wife(anime image) to 3-D wife(cosplay image) or opposite using DCGAN! ...

On-Policy 与 Off-Policy的本质区别在于：更新Q值时所使用的方法是沿用既定的策略（on-policy）还是使用新策略（off-policy）。 Sarsa更新Q值的时候对下一步的估计采用的是Q本身的\(Q(S’,A’)\)，而Q-Learning更新的时候对下一步的估计部分则采用的是直接取采取动作a后环境中各个a’对应的Q的最大值，即其在选择Action的时候使用的是e-greedy算法，而更新Q值的时候则采用了直接取最大值的greedy算法。 反映到结果上 O ...

本文引用了莫烦大大和几位知乎答主的部分文字，由于时间较长，无法一一确认，在这里统一感谢。如有侵害到您版权的行为，请您尽快联系我修改，感谢。 Reinforcement Learning Basic 定义 强化学习涉及一个智能体，一组“状态”S和每个状态下的动作集合A。通过执行一个行动 ，该智能体从一个状态转移到另一个状态。在一个特定的状态下执行一个动作时，智能体还可以得到一个奖励。 智能体的目标是最大化其奖励的累加。这个潜在的奖励是所有未来可以拿到的奖励值的期望的加权和。 例如，假设现在你要上地 ...

Estimator, Experiment, and Dataset的关系 Overview of the Experiment, Estimator and DataSet framework and how they interact. (These components will be explained in the following sections) Estimator定义 The Estimator class represents a model, as well as ...

1. Download a chrome, or use your safari If you don’t have a chrome, install it! This tutorial is based on chrome, you can do almost the same on safari. 2. Add TamperMonkey on Chrome WebApp Click This Link to access chrome web app page, or simply ...

本文主要内容转载自：Multi-Armed Bandit: Thompson Sampling，经过部分整合修改 背景 假设我们开了一家叫Surprise Me的饭馆，客人来了不用点餐，由算法来决定改做哪道菜，整个过程如下： 步骤 1: 客人 user = 1...T 依次到达餐馆 步骤 2: 给客人推荐一道菜，客人接受则留下吃饭(reward=1)，拒绝则离开(reward=0) 步骤 3: 记录选择接受的客人总数 total_reward += reward 整个过程的伪代码如下： 1234 ...

多插图，三张图往往可以表达清楚一篇文章的基本思路。如果需要展示结果，另外加图或是表格。 首页干净整洁，标题要大而清晰，同时要有作者，演讲者名字，可能的话添加机构图标。 整个PPT配色要统一，最好使用机构标志色。如学校图标使用的深红色，那这里也可以用深红作为深色、强调色。 中英文统一。如果使用中文那么统一使用中文，反之亦然。 如果放一张较为复杂的图，要用红黄圈圈箭头把重要部分、需要关注的点标记出来，同时旁边可以加一些注释。 Background页面最好有一个概述图，而非只有文字，以期帮助观众理解 ...

最近在Dr.Fan和Ling Zhang学长的帮助下总结了暑研期间在密苏里科技大学EMC Lab所做的部分工作，完成了第一篇paper: "Solving Poisson's Equation using Deep Learning in Particle Simulation of PN Junction"的编写和修改工作，并投稿于2019 International Symposium on Electromagnetic Compatibility (by IEEE)会 ...