图床挂了

3年前使用的七牛云作为图床，一直使用测试域名，现在突然不能用了，申请一个域名需要好几个工作日，本来想用GitHub同步一下，结果本地图像都丢失了。暂时先这样了。

展开全文 >>

反向传播理解--从抽象到具体

神经网络从计算的角度看，数据是从底层输入，经过每一层，根据与该层之间的权重计算以一个中间结果，这个中间结果再经过一个非线性激活函数作用，得到该层的输出结果，然后把该层的输出结果传递给下一层，继续进行下一层的中间结果计算与非线性函数激活，直到最后一层，得到最终的结果，最后的结果或者用来表示分类结果，或者表示回归结果。
如果一个网络训练好了，所有层之间的权重都是确定好的，给定任意的一个输入，根据每一层之间的权重系数，从底层到顶层，计算出最终的结果，这一阶段叫做推理或者叫做测试。
反向传播发生是在学习过程中，每一次迭代根据计算出的结果与实际对应结果的误差，反向调整网络层之间的系数。
网络结构对于解决特定的问题是关键，但是最底层还是网络的反向传播过程，这是学习过程的基础，理解这部分，才能更清晰的理解一个网络结构，以及如何修改网络或者涉及全新的网络。
很久之前，写过一个从BP神经网络理解反向传播文章，那是从细节描述，反而理解起来不是很容易，尤其是跟同事讲或者带新人的时候，不太容易让他们清晰的理解反向传播的过程。这里反过来，从高层的抽象开始，逐步到细节，先从整体上有一个概念，然后逐步细化。

more >>

展开全文 >>

有趣的问题

最近校招浪潮开始了，互联网公式开始扎堆面试，翻了翻Google Calendar，9月份和10月份没有一天是闲着，每天不是面试就是笔试，最夸张的是一个周六有6场，从东边的乐视到西二旗的百度，面试多了，收到offer的同时，另外比较有意思的是面试题。offer都是千篇一律，但是有趣的面试题很少。工作以后也帮着部门面试候选人，也在思考如何考察面试候选人真实的基础是不是扎实，而又不是那些枯燥、烂大街的、枯燥的问题，让面试过程变成一场与候选人愉快的交流“内功”的过程。

先聊一聊我接触到比较有“深度”的面试题。

more >>

展开全文 >>

基于SVM的图像分类

今天在星巴克呆了一天，复习了一下学习的内容，翻到了研一期间旁听人工智能的课程设计，第一个完全写的一个基于SVM的图像分类任务，记得当时我是实验室第一个独立完成课程设计的，其他小伙伴还是参考我的代码，现在工业界，已经被漫天的深度学习覆盖，难道忘记了曾经万能的SVM了吗？

还是写一遍小文，整理一下笔记，万一有初学者想要参考一下呢，也督促自己熟悉曾经做过的工作。

more >>

展开全文 >>

tag:

    缺失模块。
    1、请确保node版本大于6.2
    2、在博客根目录（注意不是yilia根目录）执行以下命令：
    npm i hexo-generator-json-content --save

    3、在根目录_config.yml里添加配置： 

      jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

张小牙，曾就职于Thoughtworks，目前从事图像处理与深度学习相关的算法工作，擅长C++