Batch Normalization是深度学习中最重要的技巧之一。是由Sergey Ioffe和Christian Szeged创建的。Batch Normalization使超参数的搜索更加快速便捷，也使得神经网络鲁棒性更好。本篇博客将简要介绍相关概念和原理。
深度学习卷积操作的维度计算（PyTorch/Tensorflow等框架中Conv1d、Conv2d和Conv3d介绍）
多项式分布的贝叶斯推断
深度学习技巧之一
三层Dirichlet 过程(非参贝叶斯模型)-来自Machine Learning
深度学习技巧之Batch Normalization
Scrapy网络爬虫实战[保存为Json文件及存储到mysql数据库]
Java入门基础笔记-6
考虑价格和促销影响的销售预测算法实践
overflow：hidden清除浮动的一个简单的列子
Hive的常用语法
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
使用R语言进行K-means聚类并分析结果
回归模型中的交互项简介（Interactions in Regression）
H5文件简介和使用
矩母函数简介（Moment-generating function）
Generative Adversarial Networks 生成对抗网络的简单理解
stata 用outreg2输出回归结果
通过JRI实现java与R的连接、通信
深度学习基础——激活函数以及什么时候该使用激活函数