原创 ubuntu16.04下tensorflow1.0+CUDA8.0+cudnn8.0+chrome+flash+shutter+聲音配置

ubuntu16.04環境下tensorflow1.0+CUDA8.0+cudnn8.0+chrome+flash+shutter+聲音配置 這個是同學寫的,真的非常非常有用 ,轉載。

原创 c++學習之路【面向對象】

C++ 在 C 語言的基礎上增加了面向對象編程,C++ 支持面向對象程序設計。類是 C++ 的核心特性。 類的例子: class Box{ public: int length; int width; in

原创 numpy小記,複製array

b = a c = a.view() d = a.copy() numpy中複製原array的三種形式,如下圖所示: 可以看出b = a相當於把b指向了a指向的array,實際上他們兩個是同一個array,因此可以想象的

原创 轉載!tf.clip_by_global_norm理解

http://blog.csdn.net/u013713117/article/details/56281715 optimizer.minimize()是optimizer.compute_gradients()和optimiz

原创 簡單的tensorflow:2_兩層網絡and more

源碼來自: https://github.com/nlintz/TensorFlow-Tutorials 感謝作者無私提供 初學者可以先看懂代碼,然後一定要獨立實現一次。 已經看過上一篇文章簡單的tensorflo

原创 CS224N筆記——第二講——word vector representations,word2vec

Natural Language Processing with Deep Learning課程代號CS224N,是斯坦福大學的有關自然語言處理的課程,並且是世界上有關神經網絡與自然語言處理方面優秀的課程。找遍了網絡也沒有找到有

原创 轉載!Tensorflow函數——tf.set_random_seed(seed)

http://www.cnblogs.com/antflow/p/7234144.html 保存給自己看的 點贊 收藏 分享 文章舉報 加勒比海鮮王 發佈了50 篇原創

原创 轉載!tensorflow name scope和variable scope

http://blog.csdn.net/u012436149/article/details/53081454 保存給自己看的 點贊 收藏 分享 文章舉報 加勒比海鮮王

原创 轉載(與部分翻譯)!理解LSTM

http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 保存給自己看的 先來一張總體圖 下圖顯示了forget gate(深色部分), 輸入上一個time step來

原创 深度學習tips-搭建深度學習模型,不知如何下手?

很多剛剛入門的同學們面對一個剛剛到手的課題就像面對一塊剛剛到手的燙山芋一樣,無從下口… …是無從下手。那麼應該如何開始呢?答案很簡單,立刻搭建一個最簡單的模型,然後按照劃分的訓練集開始訓練,然後用開發集測試得到的結果進行一輪一輪的

原创 implicit feedback

在推薦系統的paper中經常出現的一個詞是implicit feedback,中文是隱式反饋。 對於推薦系統的數據來說,一般分爲顯式反饋和隱式反饋。 顯式反饋就是用戶對item的打分。例如按照評分1-5來打分,不同的打分就代表用戶

原创 tf.contrib.layers.xavier_initializer

xavier_initializer( uniform=True, seed=None, dtype=tf.float32 ) 該函數返回一個用於初始化權重的初始化程序 “Xavier” 。 這個初始化器是

原创 貝葉斯方法與其中的思想

content 連續性隨機變量的分佈以及概率密度 似然函數 貝葉斯方法 參考資料(強烈推薦最後一個) 連續性隨機變量的分佈以及概率密度 連續性隨機變量的分佈不能像離散型的分佈那樣去描述。因爲這種變量的取值充滿一個區間,如果取一個

原创 從代碼學ConditionalGAN

首先,代碼引用自https://github.com/wiseodd/generative-models 感謝這位網友的代碼支持。 每個月總有30天不想看論文,所以直接看源碼或許是一個好辦法。因爲有些時候它的改動就那麼一點點。而

原创 Bridging Collaborative Filtering and Semi-Supervised Learning:paper翻譯與解讀

橋接CF和半監督學習的POI推薦方式。 是一個使用了神經網絡進行POI推薦的工作。 文章中設計了一種叫做PACE的模型聲稱可以解決推薦問題中數據稀疏和存在一些相關的上下文(指的是某些關係會與推薦結果相關,稱作上下文。例如社交關係