11 2020 档案
摘要：不同任务类型的激活函数： 二分类：sigmoid 也就是S函数 多分类: softmax 回归： 回归直接输出 不同任务类型的loss函数： 二分类：binary_crossentropy 多分类: - categorical_crossentropy 适用于label做了onehot训练，可以用t
阅读全文
摘要：处理流程： 变长特征分割成变长数组 变长数据填充成规则数组，组成n * m的矩阵 (keras.preprocessing.sequence.pad_sequences) 每一行数据进行embedding，结果可以按权重求平均、直接求平均、求最大值 得到 n*1结果矩阵 第3步求平均可以用tf.nn
阅读全文
摘要：Embedding 就是字典映射，把一个类别映射到一个向量上，方便学习特征。比如对于特征gender有取值有 male,female，创建一个矩阵2*2的矩阵： [[1,2], [3,4]] 把 male 映射到第一行，得到[1,2]，female 映射到二行得到[3,4]；它与LabelEncod
阅读全文
摘要：tf.concat是把多个tensor合并成一个，合并增加行： import tensorflow as tf tensor_1 = tf.constant([[1, 2], [3, 4], [5, 6]] ) # 2*3 tensor_2 = tf.constant([[7, 8], [9, 10
阅读全文
摘要：gather就是按行取值： a1 = [[1,2], [3, 4], [5, 6]] a2 = tf.gather(tf.constant(a1), [0, 1]) print(a2) 输出： tf.Tensor( [[1 2] [3 4]], shape=(2, 2), dtype=int32)
阅读全文
摘要：输入不对应 报错内容: WARNING:tensorflow:Model was constructed with shape (None, 79) for input Tensor("genres:0", shape=(None, 79), dtype=float32), but it was c
阅读全文
摘要：Tensor 在TF中用来存储数据，有点像Spark 中的RDD，用来表示一个集合，里面可能在计算后才有数据，它是TF中常用的数据结构，作为网络层的输入和输出。 把python中的数据变成一个Tensor: import tensorflow as tf print(tf.constant([[1,
阅读全文
摘要：# -*- encoding: utf-8 -*- import tensorflow as tf # 定义一张4单通道*4图片 # data = tf.random.truncated_normal(shape=(1, 1, 4, 4)) data = tf.constant( [[[[1, 2,
阅读全文
摘要：初始化 默认使用conda activate 命令时会报错，需要给zsh初始化conda配置： conda init zsh 这样默认启动zsh时会会激活一个base虚拟环境，它是把激活命令写到文件.zshrc了。 环境变量的操作 # 删除 conda remove -n your_env_name
阅读全文
摘要：真阳性率(tpr)，正例算对的，越高越好， 假阳性率(fpr)，正例算错的，越低越好, 一个好的模型应该tpr很高，fpr很低，这种模型识别正例的能力很强，就用 fpr-tpr得到一个值，如果移动阈值，得到fpr和tpr曲线，找在同一个概率下 tpr和fpr最大的差值作为KS((Kolmogorov
阅读全文
摘要：用在可视化进程管理上，作为一个运维工具可以在web页面上查看程序日志、重启程序，并监控状态。 应用场景分析： 开发过程中经常涉及到程序的排错、重启。 重启会在持续集成做，但是需要写脚本，如果基于docker的，通常会: docker rm -f xxx docker run ... 如果是在宿主机上
阅读全文
摘要：npm 是 node package manager，yarn不仅可以管理安装包，还能管理开发环境。 pip 默认就把依赖安装到对应的python目录，它是所有python应用共享一个依赖库，node默认是每个应用独享自己的依赖库，可以避免不同应用的依赖冲突， 类似python给每个应用都创建一个虚
阅读全文