假設我們有乙個系統
s，它有n層（
s1,…sn
），它的輸入是
i，輸出是
o，形象地表示為：
o等於輸入
i，即輸入
i經過這個系統變化之後沒有任何的資訊損失（呵呵，大牛說，這是不可能的。資訊理論中有個
「資訊逐層丟失
」的說法（資訊處理不等式），設處理
a資訊得到
b，再對
b處理得到
c，那麼可以證明：a和
c的互資訊不會超過a和
b的互資訊。這表明資訊處理不會增加資訊，大部分處理會丟失資訊。當然了，如果丟掉的是沒用的資訊那多好啊），保持了不變，這意味著輸入
i經過每一層
si都沒有任何的資訊損失，即在任何一層
si，它都是原有資訊（即輸入
i）的另外一種表示。現在回到我們的主題
deep learning
，我們需要自動地學習特徵，假設我們有一堆輸入
i（如一堆影象或者文字），假設我們設計了乙個系統s（有
n層），我們通過調整系統中引數，使得它的輸出仍然是輸入
i，那麼我們就可以自動地獲取得到輸入
i的一系列層次特徵，即s1，
…, sn
。deep learning
方法。上述就是
deep learning
的基本思想。
分層測試 基本思想
按照v模型進行劃分層次 單元測試 模組測試又稱組建測試，整合測試 系統測試 unit層的測試物件是函式或方法 service層的測試物件是模組和介面 ui層的主要測試物件是展示和互動 unit層的測試策略 1 走查 開發人員自己檢查自己的 2 評審code review 開發團隊組織評審會，應避免走...
Michael Abrash 的基本思想。
在大學的時候老鄉老楊買了一本厚厚的書，他看了幾天認為沒有什麼多大用途，就要讓給我。給我的 已記不得多少了。這本書就是michael abrash的 griphics programming black book 的中文版。這也是我看的第一本關於程式設計思想的書。後面的內容當時基本看不懂，但前幾章可以...
Deep Learning的基本思想
假設我們有乙個系統s，它有n層 s1,sn 它的輸入是i，輸出是o，形象地表 示為 i s1 s2 sn o，如果輸出o等於輸入i，即輸入i經過這個系統變化之後沒有任何的資訊損失 呵呵，大牛說，這是不可能的。資訊理論中有個 資訊逐層丟失 的說法 資訊處 理不等式 設處理a資訊得到b，再對b處理得到c...