Sampling and Monte Carlo MethodsWhy Sampling蒙特卡洛方法主要是为了计算出积分或者某些目标的近似值，通过随机采样的方式，这种在可求导的情况下可以提高计算速度。比如说用minibatch的方式来估计training loss。除此之外，有些时候还需要我们去估计intractable的值。 Basics of Monte Carlo Sampling$$s =
Tensorflow 是什么Tensorflow是Google开源的一个深度学习库，可以建立计算的图模型和利用tensor结构在途中流动，这大概也是叫做tensorflow的主要原因。 Deep MNIST for Experts1tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=N
推荐的一个关于深度学习的参考资料声明这个文章的内容转载自a link Deep Learning Papers Reading Roadmap If you are a newcomer to the Deep Learning area, the first question you may have is “Which paper should I start reading from?”
Introduction本来是在看一些关于NLP的一本老教材，但是鉴于现在组里RNN、CNN满天飞，忍不住先来窥探一下Deep Learning在NLP一些传统问题上有什么魔法。 The neural word embedding approach的优势相比于LSA方法，neural word embeddings 可以变得更有意义，通过对一个或多个任务增加监督。 无监督的词向量学习主要思想：一个