首页 »

云上小悟

麦新杰的独立博客,学习,记录,思考,分享!

文章

投资理财查理芒格

查理芒格谈生活的智慧置顶

by 多肉 / 2017年7月2日

如果我们在生活中唯一的成功就是通过买股票发财,那么这是一种失败的生活。成功的投资只是我们小心谋划、专注行事的生活方式的副产品。但是,生活不仅仅是精明地积累财富。 阅读全文->

7788

管理自己 —— 彼得德鲁克置顶

by 麦新杰 / 2014年10月6日

管理自己是《哈佛商业评论》创刊以来重印次数最多的文章之一。作者彼得·德鲁克。该文首次发表于1999年,节选自其著作《21 世纪的管理挑战》,本文有删节。 阅读全文->

InfoTechPython

直接调用Python类的实例

by 多肉 / 2019年1月21日

直接像调用函数一样,调用一个Python类的实例,只需要给这个类实现一个__call__函数。就像给类实现__str__函数一样,可以直接将类的实例作为print函数的参数。 阅读全文->

Before-35

脚踏石

by 麦新杰 / 2019年1月21日

看到脚踏石,就先上,一步一步走踏实了,最终可能会通过意想不到的路径,达到你想要的目的地。其实,我们每个人的目的地,都是在努力的过程中,不断变化的,能保持一个大的方向不变,都很不容易。 阅读全文->

InfoTechPython

NumPy中的基本数据类型

by 多肉 / 2019年1月18日

NumPy中的基本数据类型,float64或float 双精度浮点数:64位,正负号1位,指数11位,精度52位。 阅读全文->

人工智能

神经网络训练在Linux虚拟机的速度快过Windows

by 麦新杰 / 2019年1月16日

无意中发现了这一现象,同样的一个测试不同浮点数类型对神经网络训练效率的影响的测试用例,在外层的Windows系统运行速度反而慢于内部的Linux虚拟机(CentOS7)。 阅读全文->

7788老男孩学数学

合数是什么?

by 多肉 / 2019年1月16日

合数,是指在自然数中,除了能被1和本身整除外,还能被其他数(0除外)整除的数。与合数相对的是质数(素数),而1既不属于质数也不属于合数。 阅读全文->

人工智能

float16/32/64对神经网络计算的影响

by 麦新杰 / 2019年1月12日

神经网络的计算,或者说深度学习的计算,全都是浮点数。浮点数的类型分16/32/64(128位的不再考虑范围内,numpy和python最大只到float64),选择哪一种浮点数类型,对神经网络的计算有不同的影响。 阅读全文->

InfoTech

ISO-8859-1编码(Latin1)介绍

by 多肉 / 2019年1月11日

ISO-8859-1编码是单字节编码,向下兼容ASCII,其编码范围是0x00-0xFF,0x00-0x7F之间完全和ASCII一致,0x80-0x9F之间是控制字符,0xA0-0xFF之间是文字符号。 阅读全文->

人工智能

会死掉的ReLU

by 麦新杰 / 2019年1月11日

死掉的ReLU是不可逆的,即它无法再“正常”地活过来,因为对于所有的input,它的输出都是0,这时按照BP算法规则,它的weight和bias无法得到更新。 阅读全文->

InfoTech

初次运行Git前的配置

by 麦新杰 / 2019年1月9日

总是在新的编程环境中,忘记配置git的基本信息。这回导致git push到github之后,commit不能在用户profile的那个contribution的图表中显示出来。 阅读全文->

InfoTechLinux

在Linux下设置新的环境变量

by 麦新杰 / 2019年1月9日

Linux下的环境变量分两种,临时的,或永久的。其实,这两者的设置方法是一样的,都是使用export命令。 阅读全文->

人工智能

深度学习与bfloat16(BF16)

by 麦新杰 / 2019年1月9日

BF16的指数位比FP16多,跟FP32一样,不过小数位比较少。这样设计说明了设计者希望在16bits的空间中,通过降低精度(比FP16的精度还低)的方式,来获得更大的数值空间(Dynamic Range)。 阅读全文->

InfoTech

IEEE754浮点数2008版

by 麦新杰 / 2019年1月9日

原IEEE浮点数标准之定义了32位和64位两种浮点数,即C程序员常说的单精度浮点数和双精度浮点数。新的2008版的标准,还定义了16位和128位的标准。 阅读全文->

人工智能

多通道数据下的卷积计算

by 麦新杰 / 2019年1月8日

对于单通道数据,比如MNIST,卷积的计算是清晰明确的,但是对于多通道数据,比如CIFAR10,卷积的计算是如何进行的呢? 阅读全文->

InfoTech

图片的单通道和多通道

by 麦新杰 / 2019年1月8日

我理解图片的通道数,就是指图片上每个点包含的颜色值的个数。 阅读全文->

人工智能

用直觉理解Cost函数

by 麦新杰 / 2019年1月7日

在学习英文的神经网络资料的时候,经常会看到直觉这个词(intuition),国外的学者有倾向于通过直觉来理解和寻找灵感的习惯。本人很认同这种思维方式。 阅读全文->

投资理财梁孝永康

钱少的人投资如何保持好心态

by 多肉 / 2019年1月7日

大家都知道,做投资心态很重要,但是我发现一个很有意思的现象,很多人觉得资金大的人才能心态好,比如他们说我之所以心态好,是因为我钱多(其实我这点钱算什么呢),不为生活发愁。 阅读全文->

7788老男孩学数学

自信息和信息熵

by 麦新杰 / 2019年1月7日

自信息的定义为:一个随机事件所包含的自信息数量,只与事件发生的概率相关。随机事件发生的概率越低,在事件真的发生时,所传递出来的信息量就越大。 阅读全文->

人工智能

为什么叫深度学习(Deep Learning)?

by 多肉 / 2019年1月4日

深度学习,Deep Learning,是通往AI的一条路。当然还有其它的路,不过这条路现在很火很流行。为什么叫做深度学习呢? 阅读全文->

7788老男孩学数学

辛普森悖论

by 多肉 / 2019年1月4日

当人们尝试探究两种变量是否具有相关性的时候,会分别对之进行分组研究。然而,在分组比较中都占优势的一方,在总评中有时反而是失势的一方。 阅读全文->

投资理财

1990--2018上证指数年度涨跌幅排行

by 多肉 / 2019年1月3日

1990--2018上证指数年度涨跌幅排行 阅读全文->

投资理财金石致远杨天南

想问芒格的一个问题

by 多肉 / 2019年1月3日

2018年在中国股市二十八年的历史上,名列第二最糟糕年份,仅次于2008年。全球股市中,A股跌幅最惨。上证综指下跌24.59%,深证成指下跌34.42%,创业板下跌28.65%,中小板下跌37.75%。 阅读全文->

投资理财投资笔记

无处安放的现金

by 麦新杰 / 2019年1月3日

只要一想到手里的现金在长毛,就会开始轻微的焦虑,然后检查持仓,寻找补仓“良机”。或者开启疯狂的学习模式,寻找其它的价值投资标的。一心只想让现金尽快变成资产,然后开始等待复利。 阅读全文->

人工智能

理解weight decay

by 麦新杰 / 2019年1月3日

weight decay是一种神经网络regularization的方法,它的作用在于让weight不要那么大,实践的结果是这样做可以有效防止overfitting。至于为什么有这样的效果,有些写书的人也说不清楚。 阅读全文->

人工智能

神经网络input data normalization

by 麦新杰 / 2019年1月2日

业界的最佳实践是,对于使用sigmoid的神经网络,input数据要normalize到0-1之间,对于使用tanh的神经网络,input的数据要normalize到-0.5-0.5之间。 阅读全文->

7788

机械思维

by 麦新杰 / 2018年12月30日

因为规律是确定的,所以是可知的,并且可以用简单的公式或者语言描述;(在牛顿之前,很多人并不这样认为,而简单地将规律总结为神的作用) 阅读全文->

云上小悟,麦新杰的独立博客

Ctrl+D 收藏本页

栏目

小伙伴

统计

  • 文章数:2590
  • 总阅读数:837226
  • 运行时间:1581天

AD

ppdai

©Copyright 麦新杰 Since 2014 云上小悟独立博客版权所有 备案号:苏ICP备14045477号-1。云上小悟网站部分内容来源于网络,转载目的是为了整合信息,收藏学习,服务大家,有些转载内容也难以判断是否有侵权问题,如果侵犯了您的权益,请及时联系站长,我会立即删除。

网站二维码
go to top