转发微博
【你愿为他们转发吗?他们是#今天最值得追的偶像#[心]】“杂交水稻之父”、“中国核潜艇之父”、“北斗之父”、“中国航天之父”、“中国原子弹之父”……他们是当之无愧的国之脊梁!转发点赞,献上最高敬意! L央视新闻的微博视频 ​ ​​​​
关于写 Research Notes 的想法 - 来自知乎专栏,作者: 石川 O关于写 Research Notes 的想法 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

关于写 Research Notes 的想法

我在石川:在麻省理工学院(MIT)就读是怎样的体验?的回答得到了很多小伙伴的关注和祝福,实在是感谢各位的支持。我...
如何看待阿里 P8 加面 coding 环节,而 P7 却做不出头条算法题? - 回答作者: invalid s O网页链接 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

知乎

应用
知乎
据说很多科学天才有着超强的直觉,这个直觉到底是什么东西,怎么感觉很虚无? - 回答作者: 想飞的猪 O网页链接 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

知乎

应用
知乎
如何看待阿里 P8 加面 coding 环节,而 P7 却做不出头条算法题? - 回答作者: invalid s O网页链接 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

知乎

应用
知乎
转载 | 从ReLU到GELU,一文概览神经网络的激活函数 - 来自知乎专栏「AI Box」,作者: Reyon.R O转载 | 从ReLU到GELU,一文概览神经网络的激... (想看更多?下载 @知乎 App:S知乎 ) ​​​​

转载 | 从ReLU到GELU,一文概览神经网络的激活函数

本文转载自公众号:PaperWeekly (paperweekly) 激活函数对神经网络的重要性自不必多言,机器...
Rocksdb Secondary Instance启发与实践 - 来自知乎专栏「数据库与存储」,作者: 黄瓜瓜 ORocksdb Secondary Instance启发与实践 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

Rocksdb Secondary Instance启发与实践

最近在做rocksdb的集群化改造,期间遇到了很多问题,也有很多的思考与感悟,这里希望与大家分享一下。
以LLVM为框架,给一个新指令集设计编译器后端有多难? - 回答作者: 小乖他爹 O网页链接 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

知乎

应用
知乎
自动微分法(Automatic differentiation)是如何用C++实现的? - 回答作者: 李瞬生 O网页链接 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

知乎

应用
知乎
给每一位计算机图形学爱好者的儿童节礼物 - 来自知乎专栏「图形之道」,作者: 胡渊鸣 O给每一位计算机图形学爱好者的儿童节礼物 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

给每一位计算机图形学爱好者的儿童节礼物

课程主页:http://games-cn.org/games201/ 课程安排: 共10节课,每周一次。2020...
如何看UCBerkeley RISELab即将问世的Ray,replacement of Spark? - 回答作者: Milo O网页链接 (想看更多?下载 @知乎 App:S知乎 ) ​​​​

知乎

应用
知乎
推荐一款纳秒级的C++日志Nanolog - 来自知乎专栏「计算机视觉论文速递」,作者: 陈益波 O推荐一款纳秒级的C++日志Nanolog (想看更多?下载 @知乎 App:S知乎 ) ​​​​

推荐一款纳秒级的C++日志Nanolog

本文将介绍一款延迟很低吞吐量很高的日志工具Nanolog,该日志系统较其他常用日志系统延迟低一到两个数量级,吞吐...
一些RL的文献(及笔记) - 来自知乎专栏「远东轶事」,作者: 田渊栋 O一些RL的文献(及笔记) (想看更多?下载 @知乎 App:S知乎 ) ​​​​

一些RL的文献(及笔记)

https://drive.google.com/file/d/0B_wzP_JlVFcKS2dDWUZqTTZGalU/view [1312.5602] Playing Atari with Deep Reinforcement Learning(and its nature version) http://www0.cs.ucl.ac.uk/staff/D.Silver/web/Applications_files/prioritized-replay.pdf [1511.06581] Dueling Network Architectures for Deep Reinforcement Learning http://people.inf.elte.hu/lorincz/Files/RL_2006/SuttonBook.pdf http://www0.cs.ucl.ac.uk/staff/d.silver/web/Publications_files/thesis.pdf Policy Gradient Methods for Reinforcement Learning with Function Approximation https://webdocs.cs.ualberta.ca/~sutton/papers/SMSM-NIPS99.pdf 1. Policy-based approach is better than value based: policy function is smooth, while using value function to pick policy is not continuous.

正在加载中,请稍候...