原创 keras 簡單 lstm例子(基於one-hot編碼)

簡單的LSTM問題,能夠預測一句話的下一個字詞是什麼 固定長度的句子,一個句子有3個詞。 使用one-hot編碼   各種引用 import keras from keras.models import Sequential from

原创 elasticSearch學習筆記:增刪改、批量增刪改

增刪改 批量增刪改:使用_mget _bulk api詳見: https://www.elastic.co/guide/en/elasticsearch/reference/6.3/docs-multi-get.html https:/

原创 強化學習筆記

強化學習入門 第二講 基於模型的動態規劃方法 https://zhuanlan.zhihu.com/p/25580624   其中的舉例: 的理解爲:   小結:如下狀態價值函數公式的理解爲:   時刻k+1下,狀態s的價值爲: 狀

原创 臨時收藏夾

在使用springboot+thymeleaf時,靜態資源找不到, 參考這個。 主要是spring 版本問題導致。 springboot+thymeleaf 訪問靜態資源解決(static) https://www.cnblogs.com

原创 java spring maven的一些記錄

Maven入門,讀完這篇就夠了 https://juejin.im/post/5a4a5e2bf265da4322418d7f

原创 keras 簡單 lstm例子

簡單的LSTM問題,能夠預測一句話的下一個字詞是什麼 固定長度的句子,一個句子有3個詞。 使用one-hot編碼   各種引用 import keras from keras.models import Sequential from

原创 keras 的使用筆記

keras fit時,使用迭代的fit:fit_generator,簡單例子,這裏寫得比較好https://blog.csdn.net/chenghtao/article/details/77684958

原创 keras 簡單 多分類例子

問題: 數軸上, [    0,100]是第1類 [100,500]是第2類 [500,1000]是第3類 現在,要搭建一個NN,來達到分類的效果。   引用 import keras from keras.models import

原创 anaconda的一些使用記錄

查看環境有哪些 conda info -e   創建環境 conda create -n lls_python37 python=3.7   激活環境 activate xxx 如: activate lls_python37   注:由

原创 對話系統學習筆記

關鍵知識參考: https://blog.csdn.net/liuchonge/article/details/79104045   評價指標 包括:重疊詞評價指標、詞向量評價指標、困惑度。   重疊詞 認爲,對話提問的回答,應該是

原创 word2vec 學習和理解

這裏先按吳恩達老師的課程講解的softmax做一個筆記,和之前看的一個大神的文章,相對比,來方便我對word2vec的理解。     目的:學習一個詞嵌入矩陣E。 手段:構建一個語言模型。   最老的方法: 預測一個句子(4個詞)之後的下

原创 概率複習 第二章 隨機變量及其分佈

本文用於複習概率論的相關知識點,因爲好久不接觸了,忘了不少。這裏撿起來,方便學習其他知識。 總目錄 概率複習 第一章 基本概念 概率複習 第二章 隨機變量及其分佈 本章目錄 隨機變量 離散隨機變量、分佈律 重要離散隨機變量 (0-1)分佈

原创 NPL 相關的資料彙集

這裏, 作爲一個簡單的網絡筆記本,記錄一下值得收藏的文章。   word2vec 方面 word2vec 中的數學原理詳解

原创 概率複習 第一章 基本概念

本文用於複習概率論的相關知識點,因爲好久不接觸了,忘了不少。這裏撿起來,方便學習其他知識。 總目錄 概率複習 第一章 基本概念 概率複習 第二章 隨機變量及其分佈 本章目錄 事件的運算 交換律 結合律 分配率 摩根定律 概率含義及性質 可

原创 tensorflow RNN 學習1,入門

終於,我可以開始寫我的學習記錄了。度過了懵比時期,從啥都不知道,變成知道了一些些,很開心。 現在記錄一下,自己寫的一個簡單的RNN例子,自我總價,加深理解。   因爲自己學的不深,爲了避免誤導,這裏不做下定義,僅描述。詳細可以參考其他文章