原创 爲什麼要用稀疏自編碼而不直接設更少的隱層節點

剛學自編碼，以下是本人關於題目問題的一點思考。 自編碼器是一種非常簡單的BP神經網絡，是一種無監督學習算法。 使用一個三層（只有一個隱含層）的自編碼網絡，然後設置隱含節點的數量少於輸入層節點，就能夠輕鬆地實現特徵降維。如圖：

2020-06-23 19:58:13

原创 TensorFlow入門（七） 充分理解 name / variable_scope

歡迎轉載，但請務必註明原文出處及作者信息。 @author: huangyongye @creat_date: 2017-04-26 前言: 本例子主要介紹 name_scope 和 variable_scope 的正確使

2020-06-23 19:58:13

原创 ubuntu繁簡體轉換 opencc的安裝與使用

最近在看word2vec的使用，看的是下面這個教程：中英文維基百科語料上的Word2Vec實驗。 opencc介紹 opencc是一款非常實用的繁簡體字轉換工具，轉換速度非常快而且效果非常好。看了教程上面的各種安裝方式介紹，最後才

2020-06-23 19:58:13 27

原创 採用集成學習算法提高分類器的準確性

原文鏈接：http://www.wangxianfeng.name/2011/08/ensemble-method-to-improve-the-accuracy-of-the-classifier/ 傳統的分類方法是在一個由各種可能

2020-06-23 19:58:13

原创 PCA的Python實現

本文主要參考下面的文章，文中的代碼基本是把第二篇文章的代碼手寫實現了一下。 - pca講解：http://www.cnblogs.com/jerrylead/archive/2011/04/18/2020209.html -

2020-06-23 19:58:13

原创 TensorFlow入門（四） name / variable_scope 的使用

name/variable_scope 的作用 歡迎轉載，但請務必註明原文出處及作者信息。 @author: huangyongye @creat_date: 2017-03-08 refer to: Sharing Vari

2020-06-23 19:58:01 9

原创 TensorFlow入門（六） 雙端 LSTM 實現序列標註（分詞）

歡迎轉載，但請務必註明原文出處及作者信息。 @author: huangyongye @creat_date: 2017-04-19 前言 本例子主要介紹如何使用 TensorFlow 來一步一步構建雙端 LSTM 網絡（

2020-02-24 23:51:26

原创 TensorFlow入門（五）多層 LSTM 通俗易懂版

歡迎轉載，但請務必註明原文出處及作者信息。 @author: huangyongye @creat_date: 2017-03-09 前言: 根據我本人學習 TensorFlow 實現 LSTM 的經歷，發現網上雖然也有不

2020-02-24 23:51:26

原创 TensorFlow入門（三）多層 CNNs 實現 mnist分類

歡迎轉載，但請務必註明原文出處及作者信息。 深入MNIST refer: http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_pros.html @

2020-02-24 23:51:26

原创 TensorFlow入門（二）簡單前饋網絡實現 mnist 分類

歡迎轉載，但請務必註明原文出處及作者信息。 兩層FC層做分類：MNIST refer: http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_begi

2020-02-24 23:51:26

原创 numpy 常用操作

numpy提供了ndarray和matrix兩種類型的數據，爲我們進行科學運算提供了非常便捷的運算工具。相對來說，我覺得其實還是MATLAB對於矩陣運算的支持更加直觀易操作，但是作爲Python使用者，怎能不把numpy用熟用透呢

2020-02-24 23:51:26

原创 seq2seq學習筆記

@author: huangyongye 1. RNN基礎 對於RNN，我看到講得最通俗易懂的應該是Andrej發的博客： The Unreasonable Effectiveness of Recurrent Neural N

2020-02-24 23:51:26

原创 感知器java實現簡略版

/** * 感知器分類：隨機梯度下降算法求解。 * 感知器是一個線性二分類器： y = (w)T·x + b 最優化可以求解w和b。 * * 損失函數：L(w,b) = 求和（I(yi != wT·xi + b) *

2020-02-24 23:51:26

原创 ubuntu 下GPU版的 tensorflow / keras的環境搭建

前言：本文主要介紹如何在 ubuntu 系統中配置 GPU 版本的 tensorflow 環境。主要包括： - cuda 安裝 - cudnn 安裝 - tensorflow 安裝 - keras 安裝 其中，cuda 安

2020-02-24 23:51:26

原创 ipython notebook使用教程

最近在使用jupyter notebook,感覺非常舒爽。特別是在本地的瀏覽器上就可以利用jupyter實現在服務器上編程，更是爽歪歪了。 關於如何實現本地瀏覽器上進行服務器上編程參照了這篇文章：Ubuntu環境下Anaconda安裝

2020-02-24 23:51:26 1