原创 深度學習CNN的feature map

輸入:N0*C0*H0*W0 輸出:N1*C1*H1*W1 輸出的feature map大小: H1=H0+2×pad−kernel_sizestride+1 W1=W0+2×pad−kernel_sizestride+1 注

原创 深度學習中的三個重要對象(2)-----初始化對象

版權聲明:本文爲博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/gdh756462786/article/details/79148534 **在神經網絡層激活函數中,我們需

原创 深度學習(DL)中調參若干技巧

深度學習網絡調參技巧 在深度學習實驗,相比普通機器學習任務,時間較長,因此調參技巧就顯得尤爲重要。同時個人實踐中,又有一些新的調參心得,因此這裏單獨寫一篇文章,談一下自己對深度學習調參的理解,大家如果有其他技巧,也歡迎多多交流。好的實驗環

原创 gensim中word2vec

用gensim學習word2vec     在word2vec原理篇中,我們對word2vec的兩種模型CBOW和Skip-Gram,以及兩種解法Hierarchical Softmax和Negative Sampli

原创 keras 模型、結構、權重的保存

版權聲明:本文爲博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/gdh756462786/article/details/79163278       如何將訓練好的網絡進行保

原创 CRF條件隨機場

簡介 條件隨機場(CRF)是給定一組輸入隨機變量的條件下另一組輸出隨機變量的條件概率分佈。 1.概念引入 概率圖模型 概率圖模型是由圖表示的概率分佈。無向圖G=(V,E)表示概率分佈P(Y),節點v∈V表示一個隨機變量YV;邊e∈

原创 基於深度學習的NER

  命名實體識別(NER)是在自然語言處理中的一個經典問題,其應用也極爲廣泛。比如從一句話中識別出人名、地名,從電商的搜索中識別出產品的名字,識別藥物名稱等等。傳統的公認比較好的處理算法是條件隨機場(CRF),它是一種判別式概率模

原创 深度學習中三個重要對象(1)------激活函數

版權聲明:本文爲博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/gdh756462786/article/details/79108780 1.激活對象      我們在定義網

原创 python read三種讀法

版權聲明:本文爲博主原創文章,未經博主允許不得轉載。 https://blog.csdn.net/gdh756462786/article/details/79126987 在我們讀取文件時經常會遇到read

原创 python中gensim庫詳解

一、gensim介紹   gensim是一款強大的自然語言處理工具,裏面包括N多常見模型: - 基本的語料處理工具 - LSI - LDA - HDP - DTM - DIM - TF-IDF

原创 NLP中文分詞工具比較

THULAC 四款python中中文分詞的嘗試。嘗試的有:jieba、SnowNLP(MIT)、pynlpir(大數據搜索挖掘實驗室(北京市海量語言信息處理與雲計算應用工程技術研究中心))、thulac(清華大學自然語言處理與社會人文

原创 python中list具體操作你都熟悉嗎?

Python 列表(List) 序列是Python中最基本的數據結構。序列中的**每個元素都分配一個數字 - 它的位置,或索引**,第一個索引是0,第二個索引是1,依此類推。 Python有6個序列的內置類型,但最常見的是**列表和元