摘要：
1. Trigger Word Detection 我们的触发词将是 "Activate."。每当它听到你说 "Activate."，它就会发出 "chiming" 的声音。 在此作业结束时，您将能够记录您自己谈话的片段，并让算法在检测到您说"Activate."时触发一个钟声； 构成一个语音识别项 阅读全文
摘要：
1. Neural Machine Translation 下面将构建一个神经机器翻译(NMT)模型，将人类可读日期 ("25th of June, 2009") 转换为机器可读日期 ("2009-06-25"). 使用 attention model. from keras.layers impo 阅读全文
摘要：
参考 1. 基础模型(Basic Model) Sequence to sequence模型(Seq2Seq) 从机器翻译到语音识别方面都有着广泛的应用。 举例： 该机器翻译问题，可以使用“编码网络（encoder network）”+“解码网络（decoder network）”两个RNN模型组合 阅读全文
摘要：
return_sequences：默认 False。在输出序列中，返回单个 hidden state值还是返回全部time step 的 hidden state值。 False 返回单个， true 返回全部。 阅读全文
摘要：
1. Emoji表情生成器 下面，我们要使用词向量(word vector)来构建一个表情生成器。 你将实现一个模型：输入一句话 (如 "Let's go see the baseball game tonight!") 然后找到使用在这句话上最合适的表情(⚾️). 使用单词向量来改进表情符号查找 阅读全文
摘要：
conda install --offline ./cudnn-7.0.5-cuda8.0_0.tar.bz2 阅读全文
摘要：
1. 词向量上的操作(Operations on word vectors) 因为词嵌入的训练是非常耗资源的，所以ML从业者通常 都是 选择加载训练好 的 词嵌入(Embedding)数据集。（不用自己训练啦~~~） 任务： 导入 预训练词向量，使用余弦相似性(cosine similarity)计 阅读全文
摘要：
import codecs def read_glove_vecs(glove_file): with open(glove_file, 'r', encoding='utf-8') as f: # 修改这个 words = set() word_to_vec_map = {} for line i 阅读全文
摘要：
参考 1. Word Representation 之前介绍用词汇表表示单词，使用one-hot 向量表示词，缺点：它使每个词孤立起来，使得算法对相关词的泛化能力不强。 从上图可以看出相似的单词分布距离较近，从而也证明了Word Embeddings能有效表征单词的关键特征。 2. 词嵌入(word 阅读全文
摘要：
https://blog.csdn.net/Hydra_xyc/article/details/90554067 https://blog.csdn.net/qq_39506912/article/details/89680774 git config --global http.postBuffe 阅读全文
摘要：
理解：2个样本数据，每个数据3行(T_x = 3)，4列(n_value = 4) indices = np.argmax(pred, 2) 例如，对第一个样本数据的，第一行中的，所有数据取最大值的索引下标 阅读全文
摘要：
Improvise a Jazz Solo with an LSTM Network 实现使用LSTM生成音乐的模型，你可以在结束时听你自己的音乐，接下来你将会学习到： 使用LSTM生成音乐 使用深度学习生成你自己的爵士乐 现在加载库，其中，music21可能不在你的环境内，你需要在命令行中执行pi 阅读全文
摘要：
np.random.seed(0) p = np.array([0.1, 0.0, 0.7, 0.2]) index = np.random.choice([0, 1, 2, 3], p = p.ravel()) 2 阅读全文
摘要：
Character level language model - Dinosaurus land 为了构建字符级语言模型来生成新的名称，你的模型将学习不同的名字，并随机生成新的名字。 任务清单： 如何存储文本数据，以便使用RNN进行处理。 如何合成数据，通过采样在每个time step预测，并通过下 阅读全文
摘要：
一步步搭建循环神经网络 将在numpy中实现一个循环神经网络 Recurrent Neural Networks (RNN) are very effective for Natural Language Processing and other sequence tasks because the 阅读全文
摘要：
def getRandomIndex(n, x): # 索引范围为[0, n)，随机选x个不重复，注意replace=False才是不重复，replace=True则有可能重复 index = np.random.choice(np.arange(n), size=x, replace=False) 阅读全文
摘要：
参考1 参考2 参考3 1. 为什么选择序列模型 序列模型能够应用在许多领域，例如： 语音识别 音乐发生器 情感分类 DNA序列分析 机器翻译 视频动作识别 命名实体识别 这些序列模型都可以称作使用标签数据(X,Y)作为训练集的监督式学习，输入x和输出y不一定都是序列模型。如果都是序列模型的话，模型 阅读全文
摘要：
1. Residual Networks(残差网络) 残差网络 就是为了解决深网络的难以训练的问题的。 In this assignment, you will: Implement the basic building blocks of ResNets. Put together these b 阅读全文
摘要：
本次我们将： 学习到一个高级的神经网络的框架，能够运行在包括TensorFlow和CNTK的几个较低级别的框架之上的框架。 看看如何在几个小时内建立一个深入的学习算法。 为什么我们要使用Keras框架呢？Keras是为了使深度学习工程师能够很快地建立和实验不同的模型的框架，正如TensorFlow是 阅读全文
摘要：
先查看，TensorFlow和你keras对应版本 https://docs.floydhub.com/guides/environments/ 为了完成作业，我的版本是： TensorFlow 1.2.0 + Keras 2.0.6 on Python 3.5. 安装： pip install k 阅读全文
摘要：
参考 1. Why look at case studies 介绍几个典型的CNN案例: LeNet-5 AlexNet VGG Residual Network（ResNet）: 特点是可以构建很深的神经网络 Inception Neural Network 2. Classic Networks 阅读全文
摘要：
import re, requests, json, os, time from io import BytesIO headers = { "User-Agent":"Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, l 阅读全文
摘要：
1. TensorFlow model import math import numpy as np import h5py import matplotlib.pyplot as plt import scipy from PIL import Image from scipy import nd 阅读全文
摘要：
Convolutional Neural Networks: Step by Step implement convolutional (CONV) and pooling (POOL) layers in numpy, including both forward propagation and 阅读全文
摘要：
参考1 参考2 1. 计算机视觉 使用传统神经网络处理机器视觉的一个主要问题是输入层维度很大。例如一张64x64x3的图片，神经网络输入层的维度为12288。 如果图片尺寸较大，例如一张1000x1000x3的图片，神经网络输入层的维度将达到3百万，使得网络权重W非常庞大。 这样会造成两个后果: 一 阅读全文
摘要：
1. 爬虫代码 # -*- coding: utf-8 -*- """ Created on Sat Jun 13 20:15:03 2020 @author: Administrator """ import requests import json import chardet import r 阅读全文
摘要：
参考：https://blog.csdn.net/red_stone1/article/details/78600255https://blog.csdn.net/red_stone1/article/details/78600255 1. error analysis 举个例子，猫类识别问题，已经 阅读全文
摘要：
换源： 清华：https://pypi.tuna.tsinghua.edu.cn/simple/ 阿里云：http://mirrors.aliyun.com/pypi/simple/ 中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 华中理工大学：htt 阅读全文
摘要：
参考：https://blog.csdn.net/red_stone1/article/details/78519599 1. 正交化(Orthogonalization) 机器学习中有许多参数、超参数需要调试。 通过每次只调试一个参数，保持其它参数不变而得到的模型某一性能改变是一种最常用的调参策略 阅读全文
摘要：
TensorFlow Tutorial Initialize variables Start your own session Train algorithms Implement a Neural Network 1. Exploring the Tensorflow Library To sta 阅读全文