ResNet编写注意事项

Deeplearning.ai 第4门课程<卷积神经网络>, 终于开始讲解"现代"的深度神经网络了. 第二周也迅速开始使用Keras进行神经网络的编写.

虽然Keras已经抽象程度很高了, 只需要设定基本的参数, 就可以建立网络层, 不至于在实现细节中迷失, 但是仍然会有些小坑容易踩.

下面是一些经验:

阅读更多…

序列一致性检验工具

本程序用于检查专利文件中的蛋白质序列是否一致. 在专利撰写时, 发明人往往在技术交底书中使用Word文件来提交蛋白质序列. 而在USPTO的要求中, 需要使用PatentIn软件来生成标准的序列提交文件.

阅读更多…

是否点开一个链接的标准

每天我们看很多东西,微博/twitter,微信朋友圈/facebook,网站,甚至还可能有新闻联播。容易进入所谓“信息过载”的状态,那么在点开一个链接之前,是否就可以作出判断是否值得一读呢?

最近我发现了一个重要的判别标准: _ 考试又不考,看这些没用的干啥! _

阅读更多…

人脸识别算法的小改进

Deeplearning.ai课程中第4门卷积神经网络里, 第4周的作业是做一个人脸识别的小应用.

这门课的作业设计都有些问题. 因为需要的数据量很大, 需要的算力也很高, 所以不大可能让学生从头做一个深度神经网络然后训练出结果. 所以作业基本是两头的, 一头是教如何建立这个深度神经网络, 一头是教如何应用这个建好的网络, 中间的部分就一笔带过说我们已经帮各位训练好了, 大家load就行了.

阅读更多…