Posts
-
Unicode - born for the Web
Project report for Tufts COMP150 Internet-scale Distributed Systems(Spring 2016). I tried to explain the prevalence of UTF-8 on the Web, from the perspective of history and technology.
-
Understanding Latency Performance of Wi-Fi and LTE
A project report I finished in late 2015 for Tufts COMP112 Networks & Protocols. Using data collected from a single mobile device, I compared the latency performance of two prevalent wireless technologies: Wi-Fi and LTE. I also investigated the causes of the performance difference.
-
Udacity DLND课程项目常见问题汇总
自2017年五月起，我开始利用业余时间审阅Udacity深度学习基石纳米学位(DLND)的课程项目。在这一过程中，我发现有一些错误经常出现，同时有些问题也常在备注中看到，这个系列旨在对这些问题做个总结，方便学员参考。
-
利用Conda配置DLND课程项目运行环境
对DLND项目而言，最重要的两个package是Python和Tensorflow，由于Tensorflow发展很快，从年初的1.0现在已经升级到了1.4，而利用conda安装的Tensorflow也往往保持了这个节奏。但不少课程项目都是基于1.0或者1.1的，就出现了一些因为Tensorflow版本引起的问题。下面介绍一种简单的方式，可以根据自己的需要创建所需的环境。
-
DLND项目五：构建GAN模型生成人像
本文是“Udacity深度学习课程项目常见问题系列”的第五篇，主要针对最后一个项目：利用对抗生成网络（Generative adversarial network, GAN)生成人脸图像。
-
DLND项目四：基于RNN模型的机器翻译
本文是“Udacity深度学习课程项目常见问题系列”的第四篇，主要针对项目四：构建一个卷积神经网络（Recurrent Neural Network， RNN）实现机器翻译。这个项目主要基于课程第四部分第十五节：Sequence to Sequence，是seq2seq在机器翻译领域的一个应用。这个模型比较复杂，强烈推荐在做项目前，仔细阅读这个notebook，不仅有示范代码，也有大量的图示，对不少函数的作用做了解释。
-
DLND项目三：利用RNN模型生成电视剧本
本文是“Udacity深度学习课程项目常见问题系列”的第三篇，主要针对项目三：构建一个卷积神经网络（Recurrent Neural Network， RNN）来生成电视剧本。这个项目跟课堂讲过的Anna KaRNNa例子很接近，区别在于Anna KaRNNa是以字符为单位来推演，而这个项目是以词为单位来推演。 以下为该项目易犯的错误及常见的问题。
-
DLND项目二：构建CNN模型为图片分类
本文是“Udacity深度学习课程项目常见问题系列”的第二篇，主要针对第二个项目：构建一个卷积神经网络（CNN）对图片进行分类。通过这个项目，学员可以学习CNN的基本知识，以及tensorflow的常见模块和概念，比如placoholder、tensor、graph等等。
-
DLND项目一：构建神经网络模型预测共享单车需求量
本文是“Udacity深度学习课程项目常见问题系列”的第一篇，主要针对项目一：搭建一个基本的神经网络，对共享单车的需求量进行预测。这个项目的目的是让学员对神经网络的基本概念（包括梯度下降和反向传播）以及模型训练的基本环节有一定的认知。
subscribe via RSS