弱弱的问一下，是不是好多机器学习，数据挖掘相关的招聘都要求研究生，硕士等学位呀。本人大三刚开始，对这方面挺感兴趣的，有一点点小成果，但是不想考研。。。不是来应聘的，就是想咨询一下，本科应届生能直接找个机器学习，数据挖掘的职位吗？

@nbndco 这两天一直在用 win10 配置 caffe ，没来逛 v2😲 还是谢谢你的忠告，谢谢

@xunyu
@nbndco
谢谢，参照 http://blog.csdn.net/whiteinblue/article/details/43083815 问题已经解决，这里采用的 filter 是 gaussian filter ， type 就是用来指定 filter 类型的，和我说的那个自编码出来的 filter 没有冲突，而不同的 filter 在具体的问题也应该会出现不同的结果。
再次谢谢。

@nbndco 嗯，这里有 supervise...难道 filter 的获取也要根据定义的 model 通过从 input 到最终的 label supervise 到？
还有 autoencoder 不也可以把 label 看成是 input 的 supervise 吗？

忘记 @xunyu 了...请看一下 4 楼回复... Orz

@ihciah 你来的好及时。。。

@nbndco 噢！那 filter 在这里不是隐含着通过 unsupervised learning 得到的吗？

发现一个神器: Keras.

@nbndco 我看 caffe 教程里的， loss 默认使用了 L (W )≈1/N∑fW (X (i ))+λr (W ) ， solvers 有 SGD ADAGRAD NESTEROV ，我现在最想不通的就是用来卷积的 filter 到底是通过什么优化得到的，毕竟一个 filter 意味着提取某一个 feature ，我之前说了通过 Sparse Autoencoder 可以模拟人脑提取特征，但这里完全没有出现它的影子，而且还出现了新的 weight_filter 和 type...求不嫌麻烦解释一下...万分感谢

@nbndco 我这里只放了一个 layer 层，我的初始化的意思是， W 和 b 的初始值

不