摘要：
（1）生成一个未初始化的tensor （2）随机初始化一个tensor （3）矩阵的大小，直接将其当做元组来操作 （4）tensor之间的操作，可以有多重形式的操作，比如相加操作，直接+，或者add，等等 （5）tensor和numpy之间的呼唤，也是非常方便，除了chartensor之外，所有的t 阅读全文
摘要：
今日看了一篇文章《Learning to Select Knowledge for Response Generation in Dialog Systems》，以知识信息、对话目标、对话历史信息为基础，进行端到端的对话语句生成。期间做了一些笔记，还有个人想法。大家一起进步！ 阅读全文
摘要：
做的文本二分类，使用tensorRT进行图优化和加速，输出预测概率结果对比如下： 从结果对比来看，概率值有微小的变化，但不影响最终的分类 阅读全文
摘要：
使用tensorRT之前，你一定要注意你的网络结构是否能够得到trt的支持，无论是CNN还是RNN都会有trt的操作。 例如：tf.nn.dropout(features, keep_prob)，trt就不支持。 这个也不奇怪，因为trt在要求输入中，只要你传入样本数据，那你就不能feed一个数值， 阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
阅读全文
摘要：
tf.unpack, tf.slice, tf.tile, tf.expand_dims, tf.fill, tf.cast, tf.floor_div, tf.range 比较坑，所以你必须限制你的模型使用的方法，尽量选择简便的操作方式 阅读全文