原创 [nlp] 卷積運算

卷積神經網絡(Convolutional Neural Networks,CNN) 一、卷積運算公式: 對位相乘並累加 二、Padding(補零)以及之後的計算 Padding:卷積之前,在原圖像邊緣上加入一層像素(也可以多層

原创 [機器學習] 特徵抽取——LDA線性判別分析(Linear Discriminate Analysis)

參考:https://blog.csdn.net/weixin_40604987/article/details/79615968 特徵抽取: 降維 到一個新的特徵子空間,壓縮數據並儘可能保留信息。 1. 線性判別分析 Linea

原创 [linux] 解壓縮

壓縮 tar -cvf jpg.tar *.jpg //將目錄裏所有jpg文件打包成jpg.tar tar -czf jpg.tar.gz *.jpg //將目錄裏所有jpg文件打包成jpg.tar後,並且將其用gzip壓縮,

原创 [nlp] scikit-learn 樸素貝葉斯類庫概述——GaussianNB,MultinomialNB,BernoulliNB

參考:https://www.cnblogs.com/pinard/p/6074222.html 1.scikit-learn 樸素貝葉斯類庫概述 scikit-learn中,一共有3個樸素貝葉斯的分類算法類。分別是Gaussia

原创 [cv] 模塊cv2的用法

https://www.cnblogs.com/shizhengwen/p/8719062.html

原创 [nlp] 深度殘差網絡 ResNet(Residual Network)

參考:https://baijiahao.baidu.com/s?id=1598536455758606033&wfr=spider&for=pc 在 AlexNet 取得 LSVRC 2012 分類競賽冠軍之後,深度殘差網絡(R

原创 [nlp] FastText 分類

FastText 分類 一、fastText簡介 fastText是一個 快速文本分類 算法,與基於神經網絡的分類算法相比的優點: 1、fastText 在保持高精度的情況下加快了訓練速度和測試速度 2、fastText 不需要預

原创 [nlp] 詞向量方法比較 GloVe & Word2vec

參考:https://towardsdatascience.com/light-on-math-ml-intuitive-guide-to-understanding-glove-embeddings-b13b4f19c010

原创 [nlp] ELMo模型(下)

繼Transformer模型之後,我們再來介紹ELMo模型。 ELMo模型 看到前面的,看不到後面的 看到後面的,看不到前面的 Deep contextualized word representations (深層上下文的詞語

原创 [nlp] sklearn——TF-IDF的預處理

scikit-learn中,有兩種方法進行TF-IDF的預處理。 第一種方法 是在用CountVectorizer類向量化之後再調用TfidfTransformer類進行預處理。 CountVectorizer+TfidfTran

原创 [nlp] 深度學習技巧(防止過擬合)——Early Stopping 早停法

參考:https://www.datalearner.com/blog/1051537860479157#2.2%E3%80%81%E5%81%9C%E6%AD%A2%E6%A0%87%E5%87%86%E9%80%89%E6%8

原创 [nlp] 試題標註-LDA(Latent Dirichlet Allocation)

文本d 中選擇了這個主題詞w 的概率 = Σ 主題z 中這個主題詞w 的概率 * 文本d 是主題z 的概率 給定一個P(z|d)的概率分佈,然後生成文本。 文本d 中選擇了這個主題詞w 的概率 = Σ

原创 [tensorflow2.0] gpu配置代碼

# -*- coding:utf-8 -*- # Created by LuoJie at 12/5/19 import tensorflow as tf import os def config_gpu(use_cpu=Fa

原创 [nlp] Batch Normalization(BN) 批量標準化

參考:https://www.cnblogs.com/guoyaohua/p/8724433.html 相關論文:《Batch Normalization: Accelerating Deep Network Training b

原创 [LRFR] (雙分支CNN) LRFR Using a Two-Branch Deep Convolutional Neural Network Architecture

一、方法概覽&模型優化 使用方法對比: 前人: (CLPMs、MDS、NMCF、DSR) 本文: 2個不同的卷積神經網絡FECNN與SRFECNN 模型優化: 1)調參 2)選擇合適的 分類模型 3)人臉檢測後,對圖像數據進行預