在本文中，我们将了解是什么导致神经网络表现不佳，以及我们可以通过可视化梯度和与模型训练相关的其他参数来调试此问题的方法。我们还将讨论梯度消失和梯度爆炸的问题以及克服这些问题的方法。
2024年11月02日
在本文中，我们将了解是什么导致神经网络表现不佳，以及我们可以通过可视化梯度和与模型训练相关的其他参数来调试此问题的方法。我们还将讨论梯度消失和梯度爆炸的问题以及克服这些问题的方法。
2024年11月02日
不管是应用在企业或家庭场合中的NAS，为了要让不同的使用者都能随时随地存取NAS里的资料或是NAS所提供的网络服务，因此，跟用完就关机的电脑不一样的是，NAS基本上都是以24 x 7、几乎全年无休开机的状态下，来提供使者随时随地存取的便利性。
而在不同的使用者都要频繁存取NAS里的硬盘下，虽然跟电脑主机类似的NAS也可以安装一般电脑的硬盘来应付众多使用者的存取需求，不过，由于一般电脑的硬盘，大多是以8 x 5的使用时间来设计，若是拿来应用在NAS 24 x 7、几乎全年无休的使用时间，肯定会大幅缩短硬盘的使用寿命。
2024年11月02日
上篇文章中我们介绍如何通过TensorFlow2.0 构建CNN网络解决图片识别问题。我们使用Fashion-MNIST数据库中的28x28 的灰阶图片，而现实生活中我们面对的大多数问题是彩色图片问题。那么我们如何处理彩色图片作为输入？彩色图片使用RGB表示，Red 红色、Green绿色、Blue蓝色通道，我们可以将图片表示为：
我们同样使用Filter水平和垂直对图片进行操作，但是现在Filter本身是3D的，也就是说我们设置Filter的形状为 3 x 3 x 3 （宽度 x 高度 x 深度)。现在Filter本身是三维的，就像我们将彩色图片看做三个二维矩阵的堆叠一样，也可以将Filter看做三个二维矩阵的堆叠，彩色图片和Filter都拥有 Red、Green、 Blue 通道。
2024年11月02日
这篇博客主要基于我做的一个数字手势识别APP，具体分享下如何一步步训练一个卷积神经网络模型（CNN）模型，然后把模型集成到Android Studio中，开发一个数字手势识别APP。整个project的源码已经开源在github上，github地址：Chinese-number-gestures-recognition，欢迎star，哈哈。先说下这个数字手势识别APP的功能：能够识别做出的 0，1，2，3，4，5，6，7，8，9，10这11个手势。
一、数据集的收集
2024年11月02日
之前写了一篇 浅谈Qt控件绘制 。之所以叫浅谈是因为调用都是比较表层的调用。其实 Qt 的绘制，可以说用 Qt 的人都有用到，但是对于绘制底层，了解的人并不见得很多。我其实之前也是云山雾罩，从来没有深究过。所以想着知其然还是要知其所以然。
2024年11月02日
1、ACA，author cocited analysis，作者共被引分析
2、PFNET，pathfinder network scaling，寻径网络算法
3、MST，minimum spanning tree，最小生成树
4、Burst term，突变词
5、Cluster，聚类视图
6、Timeline，时间线视图
7、Timezone，时区视图
8、S值，silhouette，平均轮廓值>0.5，聚类就是合理的，S>0.7意味着聚类是令人信服的。
2024年11月02日
机器学习通常涉及在训练期间可视化和度量模型的性能。 有许多工具可用于此任务。 在本文中，我们将重点介绍 TensorFlow 的开源工具套件，称为 TensorBoard，虽然他是TensorFlow 的一部分，但是可以独立安装，并且服务于Pytorch等其他的框架。
TensorBoard 是一组用于数据可视化的工具。它包含在流行的开源机器学习库 Tensorflow 中。TensorBoard 的主要功能包括：