阿里云HPC深度学习配置从入门到真的放弃

深度学习没有GPU的支持可以说完全不能解决实际问题, 稍大一点的数据集可能就要几个小时,GPU能起到10倍以及更高的速度提升。之前我们做了AWS的深度学习配置,今天再看看国内阿里云的HPC配置。

more>>
AWS深度学习配置

深度学习的流行跟计算能力的大大提高密不可分,尤其是GPU的大量使用,Nvidia去年股价涨了500%呢。用CPU要运行一个月的项目, 可能用GPU几个小时就运行完了,效率和速度不可同日耳语。工欲善其事必先利其器,所以正确地配置好GPU是进入深度学习的开端,而用AWS的GPU服务是最快捷方便的,本文就教你如何快速的配置好AWS的p2实例,提高深度学习效率。

more>>
用LSTM生成武侠人名

之前翻译了一篇介绍RNN的文章,一直没看到作者写新的介绍LSTM的blog,于是我又找了其他资料学习。本文先介绍一下LSTM,然后用LSTM在金庸、古龙的人名上做了训练,可以生成新的武侠名字,如果有兴趣的,还可以多搜集点人名,用于给小孩儿取名呢,哈哈,justforfun,大家玩得开心…

more>>
udacity课程ud730深度学习学习笔记

最近在看Udacity的ud730课程,号称是tensorflow官方宣传片哈哈,因为用到的代码直接在tensorflow的代码里面

课程主要包括四大部分:

  • 机器学习的基本概念
  • 深度神经网络
  • 卷积神经网络
  • 循环神经网络

more>>
linear-regression

假设函数空间,Hypothesis

more>>

所有人都能学会用Python写出RNN-LSTM代码

本文翻译自@iamtraskAnyone Can Learn To Code an LSTM-RNN in Python (Part 1: RNN)。本文作者已通过twitter联系作者,获得授权

概要

我通过玩具代码一边学习一边调试能达到最好的学习效果。本文通过一个简单的python实现,教会你循环神经网络。

原文作者@iamtrask说他会在twitter上继续发布第二部分LSTM,敬请关注。

more>>
用word2vec分析中文维基语料库

最近需要做一些自然语言处理的工作, 发现google推出的wrod2vec比较有意思,据说可以推算出king + man - woman = queue,感觉很nb啊, 后续可以拿来做文本分类、情绪分析、关键词提取等。本文记录一下在中文wiki语料库上做的实验。

more>>
在markdown里如何写数学公式

最近准备写一下机器学习的一些学习笔记, 由于涉及到大量数学公式, 发现不把如何在markdown里写数学公式这个问题解决了会严重影响工作效率。大概而言, 主要有两种方式:

more>>
机器学习计划

机器学习已经影响了我们生活中的每一个地方, 了解一些机器学习知识, 便于提高竞争力, 避免被机器替代。 下面是我参考咨询了很多大牛之后搜集整理的一些学习资料, 基本都是该领域世界最顶尖的高手亲自授课,以及一些最流行的工具库, 值得学习。

more>>
bezier-curve

什么是贝塞尔曲线

最近做一个动画效果时需要将物体做曲线移动, 本来记得css3里的动画是可以指定beizer curve的, 结果用的时候发现css3的beizer curve只用来做easing timing function。简单来说就是拿来控制动画“非线性”移动,比如越来越快(ease-in), 越来越慢(ease-out),先慢后快再慢(ease-in-out)等, 让动画效果更“灵动”, 避免线性(linear)的死板。

可以看看这两个页面, 有一个直观的感受。

more>>