机器学习日报 2015-01-25 Caffe 深度学习框架上手教程

HyperLogLog [1] 计数算法在生物信息学中的应用有：Kmer计数 [2] 和基因组拼装 [3] ，HyperLogLog在Github 上各种实现，C, Javascript, Rust, haskell等，redis、postgresql 等都有hll的实现，推荐下 @敲代码的张洋的几篇博文 [4]

[1] http://en.wikipedia.org/wiki/HyperLogLog

[2] https://github.com/ged-lab/khmer/pull/257

[3] http://dl.acm.org/citation.cfm?id=2683642

[4] http://blog.codinglabs.org/articles/algorithms-for-cardinality-estimation-part-i.html html

Caffe 深度学习框架上手教程

@网路冷眼

关键词：深度学习, 视觉, 资源, 行业动态, 贾扬清, 课程

[Caffe 深度学习框架上手教程] [1] Caffe是一个清晰而高效的深度学习框架，其作者是博士毕业于UC Berkeley的贾扬清，目前在谷歌工作。本文详细介绍了它的优势、架构，网络定义、各层定义、安装与配置，解读了它实现的图像分类模型AlexNet，并演示了CIFAR-10在caffe上进行训练与学习

[1] http://www.csdn.net/article/2015-01-22/2823663

讨论：如何选择主题模型里的主题数量

@西瓜大丸子汤

关键词：自然语言处理, 主题模型

topic modeling里topic的数量，大家一般都是怎么选的呢？

好东西传送门原微博转发于2015-01-25 06:51

总结大家的答案。@子元是个变态 @南山盖盖推荐用HDP（dirichlet precess）不用预先确定topic数，gensim有实现 http://t.cn/RZ8SOwJ @eastseek 说看每个主题内部的凝聚力，不建议乱选一个固定数字。@唐杰THU 说Sqrt(#doc)

VideoLectures最热门的一百个机器学习讲座

@bicloud笑西西

关键词：经验总结, 资源, 博客, 视频

100 most popular Machine Learning talks at VideoLectures.Net [1]

[1] http://blog.videolectures.net/100-most-popular-machine-learning-talks-at-videolectures-net/

目前尚无回复

日报 caffe 机器