测试驱动开发
主要内容：
- 什么是TDD
- 实现流程
- 开发风格
- 优点
- 是否需要TDD
决策边界
本文字数：
8.3k
阅读时长 ≈
15 分钟
神经网络分类器
本文字数：
9.8k
阅读时长 ≈
18 分钟
softmax分类器
本文字数：
8k
阅读时长 ≈
14 分钟
逻辑回归分类器
本文字数：
7.2k
阅读时长 ≈
13 分钟
线性SVM分类器
本文字数：
9.1k
阅读时长 ≈
17 分钟
最近重温cs231n课程，完成了课堂作业assignment1，记录一下线性SVM分类器相关的概念以及实现
KNN分类器
本文字数：
8.9k
阅读时长 ≈
16 分钟
最近重温cs231n课程，完成了课堂作业assignment1，记录一下KNN分类器相关的概念以及实现，包括通用的分类器训练及测试过程
AdaGrad、RMSProp和Adam
本文字数：
1.8k
阅读时长 ≈
3 分钟
AdaGrad、RMSProp以及Adam都是逐元素的自适应学习率方法（per-parameter adaptive learning rate methods），根据每个神经元的梯度变化进行权重调整，能够有效的提高模型精度
用于大尺度图像分类的极深卷积网络
本文字数：
3k
阅读时长 ≈
5 分钟
文章very deep convolutional networks for large-scale image recognition对卷积网络深度进行了详细研究，证明了增加模型深度能够有效提高网络性能，其实现的VGGNet在2014年ImageNet的定位（localisation）和分类（classification）比赛中获得第一和第二名
VGGNet在AlexNet模型配置和学习的基础上，参考ZFNet使用更小的感受野和更小的步长，参考OverFeat在整个图像和多个尺度上对网络进行密集的训练和测试。最终，VGGNet使用\(3\times 3\)大小卷积核进行模型深度的研究，在学习过程中使用多尺度图像进行训练和测试
主要内容如下：
- 卷积网络配置
- 训练和测试细节
- 分类实验
- 小结
NIN-pytorch
本文字数：
3.8k
阅读时长 ≈
7 分钟