原创 c++利用boost庫接收命令行輸入參數

#include<iostream> #include<boost/program_options.hpp> using namespace std; int main(int argc,char* argv[]){ std:

原创 json.dumps和str的區別

參考鏈接:https://zhuanlan.zhihu.com/p/37178347 json.dumps就是將字典轉換成str格式,但是和直接使用str進行轉換還是有所區別的 json.loads得到的是字典形式 引號 str轉

原创 cs224n 筆記5 反向傳播和項目建議

前言 這一節主要是講了四種理解反向傳播的角度或者說方法,個人認爲最好還是在公式推導上理解,這樣更踏實。當然,其他的方法也是不錯的思路,本質上還是一樣的。 文章目錄前言四種解釋多層神經網絡電路解釋流程圖誤差信號項目建議 四種解釋 多

原创 CS224n 筆記1 深度自然語言處理

前言 該系列博客是對斯坦福CS224n系列課程的學習筆記,主要用於記錄課程主要知識,加深個人理解。另外此係列博客只記錄每一講中個人認爲重要的內容,不包含全部內容。文章若有錯誤之處,請各路大神批評指正。 文章目錄前言什麼是自然語言處

原创 CS224n 筆記3 高級詞向量表示

前言 斯坦福CS224n第三講,主要講解了基於計數和直接預測的詞向量訓練方法,並介紹了結合了兩者優點的GloVe方法,並對參數設置,訓練效果對比進行了簡單講解。這篇筆記主要用於個人記錄,以免遺忘。 文章目錄前言word2vec回顧

原创 CS224n 筆記2 word2vec介紹

前言 此篇筆記是對斯坦福CS224n課程lecture2的記錄,該課程主要介紹了word2vec相關的內容。此筆記是對課程中講解的word2vec算法原理進行回顧,同時也簡單的對該技術的發展歷程進行了記錄。另外文章最後復現了ten

原创 CS224n 筆記4 Word Window 分類與神經網絡

前言 本篇筆記是cs224n lecture4的記錄,公式部分有少量自己的理解,對原視頻的公式進行了小幅改動,僅供個人備忘。 文章目錄前言分類分類設置和符號傳統分類到NLP分類softmax細節訓練softmax和交叉熵問題及優化

原创 cs224n 筆記11 GRU和NMT的其他議題

前言 cs224n 第11講,複習了一些RNN知識,講到了GRU以及機器翻譯 文章目錄前言RNN到GRU門控單元GRU寄存器GRU和LSTM對比訓練技巧集成MT評價BLEUMultiple Reference Translatio

原创 cs224n 筆記9 機器翻譯和高級循環神經網絡LSTMs和GRUs

前言 cs224n 第九講,講解了機器翻譯以及GRU、lstm。 文章目錄前言機器翻譯傳統機器翻譯第一步:對齊其他步驟傳統機器翻譯深度學習來拯救簡單的RNNRNN擴展 機器翻譯 傳統機器翻譯 傳統機器翻譯的目標就是找到條件概率最大

原创 cs224n 筆記10 神經機器翻譯和注意力模型

前言 cs224n 第十講,又講了一些關於機器翻譯的內容 文章目錄前言神經機器翻譯(NMT)什麼是NMTNMT發展NMT的四大優勢NMT的缺點統計\神經網絡機器翻譯attention介紹和應用attention介紹attentio

原创 cs224n 筆記7 tensorflow入門

前言 cs224n第7講,主要tensorflow進行了入門講解 文章目錄前言tensorflow簡介爲什麼要用成熟的框架什麼是tensorflow編程模型運行圖如何訓練模型定義損失計算梯度訓練模型變量共享現場coding ten

原创 cs224n 筆記8 RNN和語言模型

前言 cs224n第八講,介紹傳統的RNN。 文章目錄前言傳統語言模型Recurrent Neural Networks損失函數訓練RNN困難長距離依賴梯度消失(爆炸)防止梯度爆炸防止梯度消失序列模型的應用應用:RNN機器翻譯模型

原创 cs224n 筆記6 依存分析

前言 此篇博客是cs224n的第六講的課程筆記,主要對依存分析進行了講解,用於備忘。 文章目錄前言兩種語法結構工具上下文無關文法依存句法結構歧義標註數據庫依存句法分析依存句法可用信息依存句法分析條件依存句法分析方法Arc-stan

原创 python列出文件、判斷文件夾是否存在、創建文件夾

列出目錄下所有文件 #coding=utf8 import os files=os.listdir(path) for f in files: print (f) #打印出文件名,不帶路徑,如1.txt,2.txt 判斷文件/

原创 macbook打開csv中文亂碼問題

解決方法 import pandas as pd data = pd.read_csv('data.csv') data.to_csv('data_new.csv',encoding='utf_8_sig')