换新博客了，旧的东西会慢慢放上来...
之前一直用的都是hexo的NexT主题的博客，最近需要写一些乱七八糟的东西，以前的博客不方便管理。偶然在网上看到了Typecho平台，既方便管理，占用空间又不大，功能又多，可以DIY，所以现在重新建设一下博客，写点有用的东西。
请输入密码访问
重新装一下pip就好啦～
该文章为转载文，转载自深度学习实战教程(三)：神经网络和反向传播算法往期回顾在上一篇文章中，我们已经掌握了机器学习的基本套路，对模型、目标函数、优化算法这些概念有了一定程度的理解，而且已经会训练单个的感知器或者线性单元了。在这篇文章中，我们将把这些单独的单元按照一定的规则相互连接在一起形成神经网络，从而奇迹般的获得了强大的学习能力。我们还将介绍这种网络的训练算法：反向传播算法。最后，我们依...
Deep Speaker是百度旗下研发的一款基于声纹的说话人识别系统的论文。这是一种基于深度神经网络的说话人识别系统，该系统将语音映射到超球面上，利用余弦相似度来确定说话人的相似度。使用ResCNN和GRU架构进行实验，提取声学特征，然后使用均值池来生成对话层面的说话人嵌入，并使用基于余弦相似度的三重损失函数进行训练。
往期回顾在上一篇文章中，我们已经学会了编写一个简单的感知器，并用它来实现一个线性分类器。你应该还记得用来训练感知器的【感知器规则】。然而，我们并没有关心这个规则是怎么得到的。本文通过介绍另外一种【感知器】，也就是【线性单元】，来说明关于机器学习一些基本的概念，比如模型、目标函数、优化算法等等。这些概念对于所有的机器学习算法来说都是通用的，掌握了这些概念，就掌握了机器学习的基本套路。线性单元是...