摘要： 1. tf.split(3, group, input) # 拆分函数 3 表示的是在第三个维度上， group表示拆分的次数， input 表示输入的值 2. tf.concat(3, input) # 串接函数 3 表示的是在第三个维度上， input表示的是输入，输入一般都是列表 3. tf. 阅读全文

摘要： 强化学习：当前的奖励值: 阅读全文

摘要： 对于match-lstm,将hi文本与输出的match-lstm（由si,hi,qi）组合重新输入到LSTM网络中，以端对端的操作理念。 参考的博客：https://blog.csdn.net/laddie132/article/details/79159895 #MATCH-LSTM原理 http 阅读全文

摘要： import xlrd import numpy as np # fname 表示文件名 fname = '1白.xlsx'# 打开文件 bk = xlrd.open_workbook(fname)# 获取表格的个数 shxrange = bk.nsheets cast = []# 取第2个表格到最后一个表格 for i in range(1, shxrange): sh = bk.sh... 阅读全文

摘要： 方法一 pip --default-timeout=100 install -U Pillow就可以了方法二 pip install pyinstaller -i https://pypi.doubanio.com/simple指定网站 阅读全文

摘要： 1.GoogleNet 网络： Inception V1 - Inception V2 - Inception V3 - Inception V4 1. Inception v1 split - merge - 1*1卷积，3*3卷积， 5*5卷积， 3*3池化 输入层：inception 1*1 阅读全文

摘要： 1.基础神经网络： 输入向量ｘ，权重向量w， 偏置标量b， 激活函数sigmoid（增加非线性度） 优化手段： 梯度下降优化， BP向后传播（链式规则） 梯度下降优化： 1. 使用得目标函数是交叉熵 c = 1/nΣΣ[yj*lnaj^2 + (1-yj)*ln(1-aj^2)] yj表示得是样本标 阅读全文

摘要： Siamese network 训练神经网络存在两种形式： 第一种：通过Siamese network 和 三元组损失函数 来训练图片之间的间隔 第二种： 通过Siamese network 和 sigmoid函数来实现二分类的训练 第一种情况： 在最后一层使用得是128， 1， d(x(1), x 阅读全文

摘要： 1.构造损失函数的目标函数 2.对目标函数进行泰勒展开 3.把样本遍历转换成叶子节点遍历，合并正则化惩罚项 4.求wj进行求导，使得当目标函数等于0时的wj的值 5.将求解得到的wj反导入方程中，解得最终的目标函数 6.对样本进行分割时，用分割前的目标函数的值-分割后左右子树的目标函数的值，来划分得 阅读全文

摘要： Pca首先 1.对数据进行去均值 2.构造一个基本的协方差矩阵1/m(X)*X^T 3对协方差矩阵进行变化，得到对角化矩阵，即对角化上有数值，其他位置上的数为0(协方差为0)，即求特征值和特征向量的过程 4.求得特征向量的单位化矩阵，单位化特征向量矩阵*原始数据（去均值后的）即降维操作,单位化特征向 阅读全文