Blog

matplotlib 常用代码段 123fig = plt.figure() # an empty figure with no Axesfig, ax = plt.subplots() # a figure with a single Axesfig, axs = plt.subplots(2, 2) # a figure with a 2x2 grid of Axes

/etc/docker/daemon.json 相关配置 Dockerfile中执行apt update报错Temporary failure resolving Temporary failure resolving是指地址解析失败 检查地址是否有问题，如果地址无误，/etc/docker/daemon.json中添加如下dns服务器 12345{ "dns": [ "8.8.8.8" # Google DNS server ]}

结论 正则化都可以防止模型过拟合。 L1正则化更容易获得为0得解，即权重更倾向为稀疏，常用于进行特征选择。 L2正则化使得解的趋向0而不为0（不因正则化为0）。 假定参数为 www ，loss函数为 L(w)L(w)L(w) ，则包含L1正则化的目标函数为 F=L(w)+λ∣w∣ F = L(w) + \lambda \lvert w \rvert F=L(w)+λ∣w∣ 在 w=0w=0w=0 处的导数为 ∂F∂w∣w=0+=∂L(w)∂w+λ \left.\frac{\partial F}{\partial w}\right|_{w=0^{+}} = \frac{\partial L(w)}{\partial w} + \lambda ∂w∂F​∣∣∣∣∣​w=0+​=∂w∂L(w)​+λ ∂F∂w∣w=0−=∂L(w)∂w−λ \left.\frac{\partial F}{\partial w}\right|_{w=0^{-}} = \frac{\partial L(w)}{\partial w} - \lambda ∂w∂F​∣∣∣∣∣​w=0−​=∂w∂L ...

之前有大概看过Normalization，了解了LN和BN的区别，恰好前段时间在面试中被问到，发现之前了解的还是太模糊了，所以又深入学习了一些，顺便写了个笔记。 什么是Normalization 一种使神经网络特征保持固定分布的运算 Normalization是如何计算的 y=x−E[x]Var[x]+ϵ∗γ+β y = \frac{x - \mathrm{E}[x]}{ \sqrt{\mathrm{Var}[x] + \epsilon}} * \gamma + \beta y=Var[x]+ϵ​x−E[x]​∗γ+β 以下是自己通过均值和方差做的对比实验，可以看到结果是一样的。但实际上LN在使用时大部分参数会采用默认值，即elementwise_affine=True以及eps=1e-5，只是那样我们去对比就过于麻烦，理解就好 12345678910111213import torchimport torch.nn as nn# Official NLP Examplebatch, sentence_length, embedding_dim = 20, 5, 10embedd ...

动态规划 通过缓存子问题的结果来递推解决目标问题的解决方案 判断是否为动态规划问题的依据 是否存在子问题的局部最优解为全局最优解的局部解 是否可以找到状态（子问题与目标问题的规模n这个变量） 是否存在状态转移方程（递推公式，即子问题规模从n到n+1，最优解的关系，例如f(n+1)=f(n)+2） 12class A(object): ...

优化器更新参数机制 Require: 初始化参数 θ\thetaθ Require: 学习率 ϵ\epsilonϵ while 没有达到停止准则 do      计算梯度估计:  g←1m∇θ∑iL(f(x(i);θ),y(i))\boldsymbol{g} \leftarrow \frac{1}{m} \nabla_{\boldsymbol{\theta}} \sum_{i} L\left(f\left(\boldsymbol{x}^{(i)} ; \boldsymbol{\theta}\right), \boldsymbol{y}^{(i)}\right)g←m1​∇θ​∑i​L(f(x(i);θ),y(i))      计算一阶动量、二阶动量:  s=ϕ(g)s=\phi(g)s=ϕ(g) 、r=ψ(g)r=\psi(g)r=ψ(g)      计算更新:  Δθ=ϵ⋅s/r\Delta \theta = \epsilon \cdot s / rΔθ=ϵ⋅s/r      应用更新:  θ=θ+Δθ\theta = \theta + \Delta \thetaθ=θ+Δθ SGD ...

CrossEntropyLoss 熵 熵即一个事件所包含的信息量 s(x)=−∑iP(xi)log⁡bP(xi)s(x)=-\sum_{i} P\left(x_{i}\right) \log _{b} P\left(x_{i}\right) s(x)=−i∑​P(xi​)logb​P(xi​) KL散度 KL散度可用来描述两个分布的距离，KL散度不具备有对称性。 KL散度的定义 对于离散分布 DKL(A∥B)=∑iPA(xi)log⁡(PA(xi)PB(xi))=∑iPA(xi)log⁡(PA(xi))−PA(xi)log⁡(PB(xi))D_{K L}(A \| B)=\sum_{i} P_{A}\left(x_{i}\right) \log \left(\frac{P_{A}\left(x_{i}\right)}{P_{B}\left(x_{i}\right)}\right)=\sum_{i} P_{A}\left(x_{i}\right) \log \left(P_{A}\left(x_{i}\right)\right)-P_{A}\left(x_{i}\right) \lo ...

LSTM it=σ(Wiixt+bii+Whiht−1+bhi)ft=σ(Wifxt+bif+Whfht−1+bhf)gt=tanh⁡(Wigxt+big+Whght−1+bhg)ot=σ(Wioxt+bio+Whoht−1+bho)ct=ft⊙ct−1+it⊙gtht=ot⊙tanh⁡(ct)\begin{array}{ll} \\ i_t = \sigma(W_{ii} x_t + b_{ii} + W_{hi} h_{t-1} + b_{hi}) \\ f_t = \sigma(W_{if} x_t + b_{if} + W_{hf} h_{t-1} + b_{hf}) \\ g_t = \tanh(W_{ig} x_t + b_{ig} + W_{hg} h_{t-1} + b_{hg}) \\ o_t = \sigma(W_{io} x_t + b_{io} + W_{ho} h_{t-1} + b_{ho}) \\ c_t = f_t \odot c_{t-1} + i_t \odot g_t \\ h_t = o_t ...

Sigmoid 函数 σ(x)=11+e−x\sigma(x) = \frac{1}{1 + e^{-x}} σ(x)=1+e−x1​ 导数 σ′(x)=σ(x)⋅(1−σ(x))\sigma'(x) = \sigma(x)\cdot(1-\sigma(x)) σ′(x)=σ(x)⋅(1−σ(x)) 优点 函数是可微的。 梯度平滑。 Sigmoid 函数的输出范围是 0 到 1，因此它对每个神经元的输出进行了归一化，课用于将预测概率作为输出的模型。 缺点 激活函数计算量大（在正向传播和反向传播中都包含幂运算和除法） 不是zero-centered 梯度消失 Tanh 函数 τ(x)=tanh⁡(x)=ex−e−xex+e−x\tau(x) = \tanh(x) = \frac{e^{x} - e^{-x}}{e^{x} + e^{-x}} τ(x)=tanh(x)=ex+e−xex−e−x​ 导数 τ′(x)=1−τ2(x)\tau'(x) = 1 - \tau^{2}(x) τ′(x)=1−τ2(x) 优点 zero-centered 相 ...