有趣：让人工智能的GPT2读道经
玩了一下Open AI的人工智能的GPT-3引擎 ，GPT-3的与众不同之处在于它的运行规模和完成一系列令人难 … 阅读全文 有趣：让人工智能的GPT2读道经
分类目录归档：数据预测
残差网络
见到知乎上有一个解释说，基础形式实际上类似于差分放大，很有道理。 假如： F'(5)=5.1 从5到5 … 阅读全文 残差网络
聊聊周易参同契（十）：建木通天地，妙道由灵根
内以养己，安静虚无。原本隐明，内照形躯。闭塞其兑，筑固灵株。三光陆沉， 温养子珠，视之不见，近而易求。黄中渐通 … 阅读全文 聊聊周易参同契（十）：建木通天地，妙道由灵根
研究CNTK（七）：Python还是BrainScript速度更快？
def create_reader(map_file, mean_file, train): if not o … 阅读全文 研究CNTK（七）：Python还是BrainScript速度更快？
研究CNTK（六）：ResNet
发挥图像识别的威力还是需要ResNet结构，最早是微软亚洲研究院提出的，这是可以达到90%以上识别率的网络结构 … 阅读全文 研究CNTK（六）：ResNet
研究CNTK(五）：ConvNet_CIFAR10.cntk、ConvNet_CIFAR10_DataAug.cntk
从任务上来说，识别物体是最艰难的，因为物体大小开关都会发生灵活变化，传统的神经网络识别这个几乎是不可能的任务， … 阅读全文 研究CNTK(五）：ConvNet_CIFAR10.cntk、ConvNet_CIFAR10_DataAug.cntk
研究CNTK（四）：ConvNet_MNIST.cntk
可以看出结果为： Minibatch[1-10]: errs = 0.470% * 10000; ce = 0 … 阅读全文 研究CNTK（四）：ConvNet_MNIST.cntk
研究CNTK(三）：MNIST识别之02、03、04
与一个隐含层的神经网络不同的体现只在MODEL这里，它是这样定义的： &n … 阅读全文 研究CNTK(三）：MNIST识别之02、03、04
研究CNTK(三）：MNIST识别之01_OneHidden.cntk
# Parameters can be overwritten on the command line # f … 阅读全文 研究CNTK(三）：MNIST识别之01_OneHidden.cntk
CNTK研究（二）：测试MNIST几种识别效果
01_OneHidden，一个隐藏层，相当于简单的三层神经网络，直接用的RELU，效果不错。 Minibatc … 阅读全文 CNTK研究（二）：测试MNIST几种识别效果