demi的博客

卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的。因为是对模拟信号论述的，所以常常带有繁琐的算术推倒，很简单的问题的本质常常就被一大堆公式淹没了，那么卷积究竟物理意义怎么样呢？

随着Unity 2019.1的发布，Shader Graph着色器视图资源包正式脱离预览阶段。在Unity 2019.2中，Shader Graph着色器视图加入了更多新功能。

反向传播（用于优化神网参数）：根据损失函数计算的误差通过反向传播的方式，指导深度网络参数的更新优化。采取反向传播的原因：首先，深层网络由许多线性层和非线性层堆叠而来，每一层非线性层都可以视为是一个非线性函数 f(x) (非线性来自于非线性激活函数），因此整个深度网络可以视为是一个复合的非线性多元函数。

当数据维数比较大时，就需要进行降维，特征选择是降维的一种主要方式，又包括3种方法：Filter、Wrapper和Enbedding。

由于意外的机器学习模型退化导致了几个机器学习项目的失败，我想分享一下我在机器学习模型退化方面的经验。实际上，有很多关于模型创建和开发阶段的宣传，而不是模型维护。

根据Newzoo的数据，手游行业预计会在2021年之前突破1000亿美元里程碑，实现十年两位数增长。去年，它占据了全球游戏市场50%以上的份额。手游成为了人人都想分一杯羹的热门产业，独立开发者和发行商梦想着自己能创造出新的现象级产品。

迁移学习是什么？迁移学习是一种机器学习技术，在这种技术中，一个训练于一项任务的模型被重新用于另一项相关任务。迁移学习是一种优化，它允许在第二个任务建模时快速进行或提高性能。

环境贴图是对周围环境的映射。

我们在训练神经网络模型时，最常用的就是梯度下降，这篇博客主要介绍下几种梯度下降的变种（mini-batch gradient descent和stochastic gradient descent），这里主要介绍Mini-batch gradient descent和stochastic gradient descent（SGD）以及对比下Batch gradient descent、mini-batch gradient descent和stochastic gradient descent的效果。

尽管无线网络占据了所有的新闻头条，但有线网络仍然可以继续可靠地完成工作。尽管它们可靠且相对无处不在，不过，一些人还是预见到了有线网络的消失。无线技术和服务的不断扩展是否标志着有线网络的终结？物联网、即将推出的5G以及更快Wi-Fi的增长是否预示着铜缆的最终消失？