摘要：
由YouTube8M的视频模型到音频模型转化 youtube8M的接口的参数较为容易设置，首先文件夹的train.py文件 这些包含了引入的文件夹的其他写好的py文件和需要用到的库，如果没有的话pip安装即可。 1.模型的保存地址设置： 需要多提一句的是flags这个模块是用于执行py程序的外部参数 阅读全文
摘要：
1.认识goole audio set（引用一个Google数据集audio set 使用教程） 数据集的两种形式： 1：描述每个片段的文本(csv)文件，包括YouTube视频ID、开始时间、结束时间和一个或多个标签。 2: TensorFlow Record 文件,称为feature datas 阅读全文
摘要：
基于tensorflow的音频分类 1.数据集的选择： Google AudioSet（被分成了三部分：均衡的训练集、不均衡的训练集以及评估集），它是基于有标签的 YouTube 视频片段，可以以两种格式下载： 每一个视频片段都有 CSV 文件描述，包括 YouTube 视频 ID、起始时间和结束时 阅读全文
摘要：
什么是LDA？ LDA是基于贝叶斯模型的，涉及到贝叶斯模型离不开“先验分布”，“数据（似然）”和"后验分布"三块。贝叶斯相关知识：先验分布 + 数据（似然）= 后验分布。 贝叶斯模型通过数学和概率的形式表达, 设 似然(数据)为二项分布： 其中p我们可以理解为好人的概率，k为好人的个数，n为好人坏人 阅读全文
摘要：
1.sigmoid: S型增长函数。将变量映射到0和1之间。 2. 阅读全文
摘要：
reshape即把矩阵的形状变一下，这跟matlab一样的，但如果参数是-1的话是什么意思呢？ 批正则化： 共享变量的应用之处： 之前看文档时体会不深，现在大体明白共享变量的存在意义了，它是在设计计算图时考虑的，同一个变量如果有不同的数据流（计算图中不同的节点在不同的时刻去给同一个节点的同一个输入位 阅读全文
摘要：
1.Conditional Generative Adversarial Netwoks Describe GAN: Generative adversarial nets were recently introduced as a novel way to train a generative m 阅读全文
摘要：
1.matlab与python之间的数据传递 2.python的绘图 3.python中数组的创建操作 4.python从malab中获取.mat 5.python生成随机数 6.python文件读取注意事项 阅读全文
摘要：
恢复内容开始 前面，读书笔记用加入正则化损失模型效果带来的提升要相对显著。 变量管理： 目的：当神经网络的结构更加复杂，参数更多的时候，就需要一个更好的方式来管理神经网络中的参数。 解决方法：提供了通过变量名称来创建或者获取一个变量的机制。 作用：在不同的函数可以通过变量的名字来使用变量。而不需要通 阅读全文
摘要：
生成模型： 通过观测学习样本和标签的联合概率分布P（X,Y）进行训练，训练好的模型能够生成符合样本分布的新数据，在无监督学习方面，生成式模型能够捕获数据的高阶相关性，通过学习真实数据的本质特征，刻画样本数据的分布特征，生成与训练样本相似的新数据 生成式模型的分类：1. Autoencoder 2.自 阅读全文