台部落muqiusangyang

【一】詞典加載利用jieba進行分詞時，jieba會自動加載詞典，這裏jieba使用python中的字典數據結構進行字典數據的存儲，其中key爲word，value爲frequency即詞頻。 1. jieba中的詞典如下： jieba/

2018-12-02 21:30:45

【一】keras模型搭建整體流程 keras支持兩種方式搭建模型，一種是使用Sequential方式進行模型搭建，一種是使用函數式API進行模型搭建，整體流程如下圖：【二】keras主要模塊介紹 1. 數據預處理 2. NLP相關的主

2018-12-02 21:30:45

反射：其實就是通過類的名字（類名是string）來獲取類的實例。比如講類名寫在txt文件中，然後解析文本文件，拿到類名，進而那到類的實例。在caffe中，在網絡配置文件中，寫入了各個層的名字，如：relu。其實，這些算子，在caffe源碼

2018-12-02 21:30:42

在某些場景下，需要週期性的執行耗時操作，比如寫文件。這種場景，有兩個需求點： 1.執行一次任務比較耗時，不能影響主業務性能。 2.該任務週期性執行。這種場景：可以每次在執行任務時啓動一個線程，但是這樣做，當任務執行比較頻繁時，需要多次創建

2018-12-02 21:30:42

【一】詞性標註詞性標註分爲2部分，首先是分詞，然後基於分詞結果做詞性標註。【二】jieba的詞性標註代碼流程詳解 1. 代碼位置 jieba/posseg/_init_.py 2. 流程分析 def cut(sentence, HMM=

2018-12-02 21:30:42

併發場景下的單例模式，需要加鎖。 #pragma once #include <mutex> using namespace std; class SingleInstance { public: static Single

2018-12-02 21:30:42

【一】本文內容綜述 1. keras使用流程分析（模型搭建、模型保存、模型加載、模型使用、訓練過程可視化、模型可視化等） 2. 利用keras做文本數據預處理【二】環境準備 1. 數據集下載：http://ai.stanford.edu/

2018-12-02 21:30:42

TensorFlow中使用的圖優化算法有：constant folding 和CSE（common-subexpression elimination）【算法一】constant folding 該算法，是將graph中常量的計算合併起來

2018-12-02 21:30:42

#include <string> #include <vector> #include <iostream> #include "tensorflow/core/public/session.h" #include "tensor

2018-12-02 21:30:42

本文內容如下： 1. keras中，shape如何定義？ 2. 關於model.compile 的參數傳遞，傳遞字符串呢？還是傳遞對象？ 3. 如何獲取模型中的每個layer信息？如input_shape，output_shape，laye

2018-12-02 21:30:42

本文主要參考：https://github.com/zhedongzheng/finch 完成。與原代碼的區別在於沒有使用 tf.estimator，以及數據預處理方面做了部分修改（使用於dataset） # -*- coding:utf-

2018-12-02 21:30:42

【一】聲明本文源自TensorFlow官方指導（https://tensorflow.google.cn/tutorials/sequences/text_generation），增加了部分細節說明。【二】綜述 1. tf.keras與

2018-12-02 21:30:42

一個graph中各種不同特徵的node，tf需要依據一定的規則將不同的node放在不同的device上，這點對於分佈式或者單機多卡比較重要。tf在node的分配算法上有placer和costmodel(代價模型）；這裏簡單分析一下place

2018-12-02 21:30:42

【一】代碼下載 https://github.com/tensorflow/tensorflow/releases/ PS：本次源碼分析採用1.11版本【二】Session簡介在TensorFlow中，session是溝通tf的橋樑，模

2018-12-02 21:30:42

【一】綜述利用jieba進行關鍵字提取時，有兩種接口。一個基於TF-IDF算法，一個基於TextRank算法。TF-IDF算法，完全基於詞頻統計來計算詞的權重，然後排序，在返回TopK個詞作爲關鍵字。TextRank相對於TF-IDF，基

2018-12-02 21:30:42