上一页 1 ··· 6 7 8 9 10 11 12 13 14 ··· 78 下一页
摘要: 作者:Bruce链接:https://www.zhihu.com/question/49909565/answer/345894856来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 中文视频教程资源 1. 官方教程 随着机器学习越来越受到公众的关注,很多初学者希望能快 阅读全文
posted @ 2018-07-31 20:00 Django's blog 阅读(1988) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/liyajuan521/article/details/44565269 在机器学习中,通常会遇到期望风险、经验风险和结构风险这三个概念,一直不知道这三个概念之间的具体区别和联系,今天来梳理一下: 要区分这三个概念,首先要引入一个损失函数的概念。损失函数是 阅读全文
posted @ 2018-07-16 14:57 Django's blog 阅读(332) 评论(0) 推荐(0) 编辑
摘要: http://www.wildml.com/2015/12/implementing-a-cnn-for-text-classification-in-tensorflow/ The academic Deep Learning research community has largely stay 阅读全文
posted @ 2018-07-09 20:53 Django's blog 阅读(1044) 评论(0) 推荐(0) 编辑
摘要: OSError: Could not find library geos_c or load any of its variants ['libgeos_c.so.1', 'libgeos_c.so 解决: sudo vim /etc/ld.so.conf 添加:/opt/source/geos-3 阅读全文
posted @ 2018-07-02 14:20 Django's blog 阅读(3253) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/hjimce/article/details/51899683 一、构建路线 个人感觉对于任何一个深度学习库,如mxnet、tensorflow、theano、caffe等,基本上我都采用同样的一个学习流程,大体流程如下: (1)训练阶段:数据打包-》网络 阅读全文
posted @ 2018-06-29 17:51 Django's blog 阅读(574) 评论(0) 推荐(0) 编辑
摘要: https://www.tensorflow.org/api_docs/python/tf/nn/static_bidirectional_rnn https://www.w3cschool.cn/tensorflow_python/tensorflow_python-l8ba28vr.html 阅读全文
posted @ 2018-06-27 18:13 Django's blog 阅读(390) 评论(0) 推荐(0) 编辑
摘要: 先看代码: #命名空间函数tf.variable_scope()和tf.name_scope()函数区别于使用 import tensorflow as tf with tf.variable_scope("foo"): a = tf.get_variable("bar", [1]) print(a 阅读全文
posted @ 2018-06-27 17:21 Django's blog 阅读(599) 评论(0) 推荐(0) 编辑
摘要: tf.concat, tf.stack和tf.unstack的用法 tf.concat相当于numpy中的np.concatenate函数,用于将两个张量在某一个维度(axis)合并起来,例如: 1 2 3 4 tf.stack其作用类似于tf.concat,都是拼接两个张量,而不同之处在于,tf. 阅读全文
posted @ 2018-06-27 11:36 Django's blog 阅读(2187) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/heisejiuhuche/article/details/73010638 这篇文章不涉及RNN的基本原理,只是从选择数据集开始,到最后生成文本,展示一个RNN使用实例的过程。 对于深度学习的应用者,最应该关注的除了算法和模型,还应该关注如何预处理好自己 阅读全文
posted @ 2018-06-25 16:41 Django's blog 阅读(1081) 评论(0) 推荐(0) 编辑
摘要: https://blog.csdn.net/chuchus/article/details/78386059 词汇是语料库的基本元素, 所以, 使用embedding layer来学习词嵌入, 将一个词映射成为固定维度的稠密向量. 有了这一步, 才能构造矩阵, 实现神经网络的前向传播. 如何使用? 阅读全文
posted @ 2018-06-25 16:11 Django's blog 阅读(4168) 评论(0) 推荐(1) 编辑
上一页 1 ··· 6 7 8 9 10 11 12 13 14 ··· 78 下一页