台部落Dod

描述了12個NLP文本分類或者相關NLP模型的結構，解釋及實現等。鏈接：CSDN飛翔的大馬哈魚包括：快速文本（fastText）文本卷積神經網絡（Text CNN）文本循環神經網絡（Text RNN）雙向長短期記憶網絡文本

2019-03-05 02:56:11

Layer彈窗感覺還是挺好用的，就是父子界面間的交互不是很清楚。看了不少文檔自己又試了挺久，算是找到了一個比較好的方法，記錄一下吧。基本原理：獲取彈出層實體，通過向方法傳遞參數的形式去弱化父子關係。基本使用：彈出頁面層-相當於

2018-12-22 12:57:01

前面一直都是直接安裝python，然後pip管理包，然而感覺版本管理和包安裝有時候不是很方便，同學推薦用Anaconda，用了一下感覺真的方便多了，可以用pip的同時使用conda安裝，還有可視化的界面。安裝到官網下載安裝，添加

2018-11-04 12:35:56

週末出去耍了一下，回來又玩了兩天遊戲，耽誤了好多時間啊，關鍵是連輸20多局。哎，以後還是少玩遊戲，多去做些有趣的事情吧，免得費時費力還不開心。 1、循環神經網絡（RNN：Recurrent Neural Network）序列模型（se

2018-09-02 03:51:32

1、L2正則化不使用正則化的公式： J=−1m∑i=1m(y(i)log(a[L](i))+(1−y(i))log(1−a[L](i)))(1)(1)J=−1m∑i=1m(y(i)log⁡(a[L](i))+(1−y(i))log⁡(

2018-09-02 03:51:25

一、交叉熵損失函數首先sigmoid函數 y^=g(z)=11+e−zy^=g(z)=11+e−z 給出的是分類爲1的概率，分類爲0的概率爲1−y^1−y^ ，即： P(y=1|x)=y^P(y=0|x)=1−y^P(y=1|x)=

2018-09-02 03:51:24

在樣本空間中，劃分超平面的方程描述如下： wTx+b=0wTx+b=0 其中w爲法向量，決定了超平面的方向，b爲位移項，決定了超平面與原點的距離。樣本空間的點x到這個劃分超平面距離爲(x’爲x在超平面上的投影) : d=w||

2018-09-02 03:51:24

第一週深度學習的實用層面 1. 數據集劃分訓練集：用以對算法進行訓練，更新參數。驗證集：用以訓練過程檢驗模型和數據的擬合程度，可省略測試集：訓練完成後評估模型所用的數據集劃分：1、無驗證集時，訓練集：測試集 = 7：3

2018-09-02 03:51:21

2018-09-02 03:51:21

集成學習（ensemble learning）：集成學習通過構建並結合多個學習器來完成學習任務。如神經網絡集成中使用的都是神經網絡，這類叫做同質集成，子學習器叫做“基學習器”；不同的叫異質集成，學習器叫“個體學習器”或者組件學習

2018-09-02 03:51:21

1、卷積神經網絡（CNN：Convolutional neural network）：卷積運算：矩陣對應位元素相乘然後相加，主要作用是特徵提取和減少參數。深度學習中使用的是“互相關”卷積，即不進行偏轉的卷積。濾波器（fliter）:也

2018-09-02 03:51:19

1、人臉識別人臉驗證（Face Verification）：輸入圖片和模板圖片是否爲同一人，一對一問題。人臉識別（Face Recognition）：輸入圖片，檢測是否爲多個模板圖片中的一個，一對多問題。一般來說，人臉驗證由於範圍

2018-09-02 03:51:19

1. 梯度下降中的一些計算第一個框：logistic迴歸方程的代價函數的導數dj/dz 可認爲是a-y 第二個框：前一級變量的導數爲後一級變量導數乘以其係數。另外求dZ和dA不需要進行 ”/m” 操

2018-09-02 03:51:19

1、正交化正交化：每次調整對某一性能進行針對性調試和優化，更快地發現影響效應，從而進行綜合性的優化。一個好的模型最好能夠同時在訓練集，驗證集，測試集和實際應用中表現良好，如果：情況解決辦法在訓練集上表現不好嘗試更大

2018-09-02 03:51:19

在有容量限制的情況下裝下最大價值的物品： // 設置n個物體重量和對應的價值 int w[] = {0, 1, 2, 5, 4, 3}; int v[] = {0, 1, 2, 3, 4, 5}; // 揹包容量 int m = 10;

2018-09-02 03:51:18