《深圳》专题

在上一章，我们学习了深度神经网络通常比浅层神经网络更加难以训练。我们有理由相信，若是可以训练深度网络，则能够获得比浅层网络更加强大的能力，但是现实很残酷。从上一章我们可以看到很多不利的消息，但是这些困难不能阻止我们使用深度神经网络。本章，我们将给出可以用来训练深度神经网络的技术，并在实战中应用它们。同样我们也会从更加广阔的视角来看神经网络，简要地回顾近期有关深度神经网络在图像识别、语音识别和其他应

卷积神经网络(CNN) 卷积神经网络(Convolutional Neural Network,CNN)是将二维离散卷积运算和人工神经网络相结合的一种深度神经网络。它的特点是可以自动提取特征。有关卷积神经网络的数学原理和训练过程请见我的另一篇文章《机器学习教程 十五-细解卷积神经网络》。 手写数字识别 为了试验，我们直接采用http://yann.lecun.com/exdb/mnist/中的手写

说明 该文档为“3Blue1Brown - 深度学习系列视频”的整理，主要包括三个视频 神经网络的结构 梯度下降法 反向传播算法 让我们跟着 3Blue1Brown 从偏数学的角度来理解神经网络（原视频假设观众对神经网络没有任何背景知识） 目录 内容： 神经网络是什么？ 神经网络的结构 神经网络的工作机制 深度学习中的“学习”指的是什么？ 神经网络的不足 示例：一个用于数字手写识别的神经网络 这个

本节将讨论优化与深度学习的关系，以及优化在深度学习中的挑战。在一个深度学习问题中，我们通常会预先定义一个损失函数。有了损失函数以后，我们就可以使用优化算法试图将其最小化。在优化中，这样的损失函数通常被称作优化问题的目标函数（objective function）。依据惯例，优化算法通常只考虑最小化目标函数。其实，任何最大化问题都可以很容易地转化为最小化问题，只需令目标函数的相反数为新的目标函数即可

在Android Support Library19.1版本中，Android工具小组引入了几个很酷的注解类型，供开发者在工程中使用。Support Library自身也使用这些注解，这是一个好兆头。就让我们好好研究下。 通过gradle可以很容易的把这些注解添加到我们的工程中： compile 'com.android.support:support-annotations:20.0.0' 有

以太坊是一个全新开放的区块链平台，它允许任何人在平台中建立和使用通过区块链技术运行的去中心化应用。就像比特币一样，以太坊不受任何人控制，也不归任何人所有——它是一个开放源代码项目，由全球范围内的很多人共同创建。

工具归工具，研究归研究，AI的研究唯有打好基础，多看论文，多做实验，才能真正掌握深度学习。 Google 深度学习笔记 Github工程地址：https://github.com/ahangchen/GDLnotes

深入理解 JavaScript 系列文章，包括了原创，翻译，转载，整理等各类型文章。

Libevent 是一个轻量级的开源高性能网络库，使用者众多，研究者更甚，相关文章也不少。写这一系列文章的用意在于，一则分享心得；二则对 libevent 代码和设计思想做系统的、更深层次的分析，写出来，也可供后来者参考。

TIPI 项目是一个自发项目，项目主要关注PHP的内部实现，以及PHP相关的方方面面，该项目包括《深入理解PHP内核》这本书，以及一些相关的PHP项目，例如一些 PHP 扩展及研究项目。

注意 由于JS对象包括的范围非常广，加上ES6又有众多的新特性，很难、也没必要做到囊括所有的类型和情况，这里说的"对象"，指的是普通的对象，不包括修改对象原型链， 或者为"Function"，"Promise"等的情况，请留意。 在ES6中，我们可以很方便的使用Object.assign进行对象合并，但这只是浅层的合并，如果对象的属性为数组或者对象的时候，会导致属性内部的值丢失。 注意： 此处合并

deepClone 对象深度克隆 注意 由于JS对象包括的范围非常广，加上ES6又有众多的新特性，很难、也没必要做到囊括所有的类型和情况，这里说的"对象"，指的是普通的对象，不包括修改对象原型链， 或者为"Function"，"Promise"等的情况，请留意。 场景： 我们平时可能会遇到需要通过console.log打印一个对象，至执行打印的时刻，此对象为空，后面的逻辑中对此对象进行了修改赋值，

通过，我们了解到更新具有优先级。 那么什么是优先级？优先级以什么为依据？如何通过优先级决定哪个状态应该先被更新？ 本节我们会详细讲解。 什么是优先级 在我们聊到React将人机交互研究的结果整合到真实的UI中。具体到React运行上这是什么意思呢？ 状态更新由用户交互产生，用户心里对交互执行顺序有个预期。React根据人机交互研究的结果中用户对交互的预期顺序为交互产生的状态更新赋予不同优先级。 具

深度平铺一个数组。 使用递归。 通过空数组([]) 使用 Array.concat() ，结合 展开运算符( ... ) 来平铺数组。 递归平铺每个数组元素。 const deepFlatten = arr => [].concat(...arr.map(v => (Array.isArray(v) ? deepFlatten(v) : v))); deepFlatten([1, [2], [[

3. 深度优先搜索 现在我们用堆栈解决一个有意思的问题，定义一个二维数组： int maze[5][5] = { 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 0, }; 它表示一个迷宫，其中的1表示墙壁，0表示可以走的路，只能横着走或竖着走，不能斜着走，要求编程序找出从左上角到右下角的路线