mdumpling - 博客园

tf.concat( )和tf.stack( )

摘要：相同点：都是组合重构数据. 不同点：concat（）不改变维数，而stack改变了维数（待定！！！） tf.concat是连接两个矩阵的操作，请注意API版本更改问题，相应参数也发生改变，具体查看API. tf.concat(concat_dim, values, name='concat') 除去阅读全文

posted @ 2017-12-17 21:42 mdumpling 阅读(9845) 评论(0) 推荐(0) 编辑

tf.split( )和tf.unstack( )

摘要： [array([[1],[4]]), array([[2],[5]]), array([[3],[6]])] [array([1, 4]), array([2, 5]), array([3, 6])] [array([[1, 2, 3]]), array([[4, 5, 6]])] [array([ 阅读全文

posted @ 2017-12-17 21:32 mdumpling 阅读(3378) 评论(0) 推荐(0) 编辑

tf.stack( )和tf.unstack( )

摘要：相同点：他们都增加了矩阵的维度，而split()不改变维度！ tf.stack（）这是一个矩阵拼接的函数，tf.unstack（）则是一个矩阵分解的函数 c是拼接，而d和e则是不同维度的分解阅读全文

posted @ 2017-12-17 21:28 mdumpling 阅读(1339) 评论(0) 推荐(0) 编辑

tf.expand_dims和tf.squeeze函数

摘要： from http://blog.csdn.net/qq_31780525/article/details/72280284 tf.expand_dims() Function tf.expand_dims(input, axis=None, name=None, dim=None) Inserts 阅读全文

posted @ 2017-12-17 21:22 mdumpling 阅读(7794) 评论(0) 推荐(0) 编辑

转弹性反向传播(RProp)和均方根反向传播(RMSProp)

摘要： from http://blog.csdn.net/tsq292978891/article/details/78619384 都是一种权值更新算法，类似于SGD算法，其中，RMSProp是RProp算法的改良版。 RProp算法不同权值参数的梯度的数量级可能相差很大，因此很难找到一个全局的学习步阅读全文

posted @ 2017-12-16 15:08 mdumpling 阅读(1644) 评论(0) 推荐(0) 编辑

TF-epoch、 iteration和batchsize区别(转载)

摘要： from http://www.cnblogs.com/qggg/p/6876942.html 转自 http://blog.csdn.net/sinat_30071459/article/details/50721565 深度学习中经常看到epoch、 iteration和batchsize，下面阅读全文

posted @ 2017-12-16 14:32 mdumpling 阅读(244) 评论(0) 推荐(0) 编辑

tensorflow conv2d

摘要： https://www.cnblogs.com/qggg/p/6832342.html 阅读全文

posted @ 2017-12-15 22:42 mdumpling 阅读(125) 评论(0) 推荐(0) 编辑

tensorflow 中 name_scope和variable_scope

摘要： from http://blog.csdn.net/appleml/article/details/53668237 from http://blog.csdn.net/appleml/article/details/53668237 运行后的结果如下： hello/arr1:0 scope_nam 阅读全文

posted @ 2017-12-15 21:05 mdumpling 阅读(183) 评论(0) 推荐(0) 编辑

Text-CNN 文本分类

摘要： 1.简介 TextCNN 是利用卷积神经网络对文本进行分类的算法，由 Yoon Kim 在 “Convolutional Neural Networks for Sentence Classification” 一文 (见参考[1]) 中提出. 是2014年的算法. 图1-1 参考[1] 中的论文配阅读全文

posted @ 2017-12-15 20:08 mdumpling 阅读(1367) 评论(0) 推荐(0) 编辑

xgboost调参过程

摘要： from http://blog.csdn.net/han_xiaoyang/article/details/52665396 阅读全文

posted @ 2017-12-14 22:00 mdumpling 阅读(153) 评论(0) 推荐(0) 编辑