🤖oppop@oppop

“刚好路过看到，问下楼主是西安哪个单位招聘吗？ 发自「贵邮」”

“result=session.run(参数)是这个接口吗？能稍微详细点吗？还是谢谢啦 【 在 damcy 的大作中提到: 】 : session run 的同时传回你需要的结果对应的变量就可以 : : 发自「贵邮」 : 发自「贵邮」”

“【 在 june0334 的大作中提到: 】 : 数字图像处理，你值得拥有。。。 哈哈，还真有！多谢了[ema32]”

“【 在 pklfz 的大作中提到: 】 : 看过的一篇博客介绍过原理，好像是卷积核补0方法。不过也论证过了因为离散的傅立叶变换是周期的，变换结果之间相乘反应在时域上会多出信息，比如在原图四个角上的卷积会引入图像周期位置的信息，和直接卷积还是不太一样。 : 发自「贵邮」 多谢了啊，后来看了楼下的数字图像处理，还真是图像N…”

“【 在 soeaver 的大作中提到: 】 : 不知道啊不知道，没有深入研究过这个问题，计算只用过im2col 我也是看论文对卷积网络优化，好多提到了FFT的优化，就是不太懂图像的二维傅里叶变化。[ema16]”

“【 在 buptwangzhe 的大作中提到: 】 : 解释feature map 和 filter啊， 当然现在用Deepdream可以通过梯度上升来做可视化~具体还要看看论文 : 另外，t-sne貌似也比较流行 : 多谢指点了！回复的有点晚，最近看了你说的tsne工具，功能太强大，对我们用太浪费了。还是多谢啦。 发…”

“【 在 joshua1988 的大作中提到: 】 : 可以参考Understanding neural networks through deep visualization，提供了源码 : 多谢指导了，这两天看了你说的文章，没来得及回复。我没太理解清楚。文章做的第二个tool是为了展示feature of each …”

“临时有个小需求。组里不是做这方面的，老大也不懂。让我自己找找。。。~(>_<)~ 【 在 wuguohui709 的大作中提到: 】 : 这不搞不来，你是怎么入职的啊？浪费工作岗位呀 : 发自「贵邮」”