2019 年 9月随笔档案 - FromZeroToOne

conda 安装的坑

摘要：conda虚拟环境安装tensorflow最好用conda install 安装它会自动安装cudatoolkit 即cudann等不与系统的cuda版本冲突 conda换为国内的源阅读全文

posted @ 2019-09-24 10:25 FromZeroToOne 阅读(1091) 评论(0) 推荐(0) 编辑

matplotlib Demo

摘要："参考博客" "显示中文标签" 阅读全文

posted @ 2019-09-23 17:25 FromZeroToOne 阅读(255) 评论(0) 推荐(0) 编辑

pandas小demo

摘要：将txt文件转换成excel文件统计类别分布阅读全文

posted @ 2019-09-23 17:16 FromZeroToOne 阅读(162) 评论(0) 推荐(0) 编辑

深度学习常见问题

摘要：1. 忘了数据规范化 What? 在使用神经网络的过程中，非常重要的一点是要考虑好怎样规范化（normalize）你的数据。这一步不能马虎，不正确、仔细完成规范化的话，你的网络将会不能正常工作。因为规范化数据这个重要的步骤在深度学习圈中早已被大家熟知，所以论文中很少提到，因此常会成为初学者的阻碍。阅读全文

posted @ 2019-09-22 19:09 FromZeroToOne 阅读(726) 评论(0) 推荐(0) 编辑

正则表达式

摘要："收藏链接" python import re import pandas as pd regex = r"(. )[考|进]. 了(. )" test_str = ("张华考上了北京大学\n" "李萍进了中等技术学校\n" "韩梅梅进了百货公司") mylist = [] print(test_s 阅读全文

posted @ 2019-09-21 17:13 FromZeroToOne 阅读(266) 评论(0) 推荐(0) 编辑

预处理方法

摘要：返回x，y的列表集合正则只保留汉字获取句子的最大长度句子转数字，输入是句子的列表数字转句子 python def loadEmbeddingsFile(embedding_file_path): embeddings_dict = {} with open(embedding_file_ 阅读全文

posted @ 2019-09-21 15:54 FromZeroToOne 阅读(353) 评论(0) 推荐(0) 编辑

Gensim相关

摘要：```python from gensim.models.keyedvectors import KeyedVectors model2 = KeyedVectors.load_word2vec_format('embedding1.txt', binary=False) ``` 阅读全文

posted @ 2019-09-21 15:53 FromZeroToOne 阅读(115) 评论(0) 推荐(0) 编辑

去停用词

摘要：```python import pandas as pd stop_words = [] with open('data/stop_words.txt','r',encoding='utf-8') as f: lines = f.readlines() for i in lines: word = i.strip() stop_words.append(word) print(stop_word 阅读全文

posted @ 2019-09-21 15:44 FromZeroToOne 阅读(679) 评论(0) 推荐(0) 编辑

python写入文件

摘要：读取方式覆盖写入 w 追加写入 a 将print()输出到txt 阅读全文

posted @ 2019-09-21 15:08 FromZeroToOne 阅读(170) 评论(0) 推荐(0) 编辑

alias命令

摘要：alias命令用来设置指令的别名，我们可以使用该命令可以将一些较长的命令进行简化用法 alias命令的作用只局限于该次登入的操作。若要每次登入都能够使用这些命令别名，则可将相应的alias命令存放到bash的初始化文件中。转 https://www.cnblogs.com/hongzg19 阅读全文

posted @ 2019-09-21 13:55 FromZeroToOne 阅读(172) 评论(0) 推荐(0) 编辑

sklearn

摘要：model_selection Metrics 阅读全文

posted @ 2019-09-17 21:10 FromZeroToOne 阅读(130) 评论(0) 推荐(0) 编辑

torch交叉熵计算

摘要：交叉熵计算函数第一种代码第二种代码 mask作用 tensor([[ 0.5354, 1.2540, 0.4883, 0.1540], [ 0.1744, 0.4162, 0.8495, 0.3767], [ 0.7846, 1.0294, 0.5631, 0.0470]]) tensor([[ 阅读全文

posted @ 2019-09-17 15:00 FromZeroToOne 阅读(922) 评论(0) 推荐(0) 编辑

损失函数

摘要：交叉熵损失函数 Cross Entropy Error Function 1. 二分类表达式其中： y——表示样本的label，正类为1，负类为0 p——表示样本预测为正的概率

y = 1

$y=1$ 时，对应的

p

$p$ 越大则

l o g (p)

$log(p)$ 越小，即损失越小同理，

y = 0

$y=0$ 时，

p

$p$ 越小，$ log(1 p 阅读全文

posted @ 2019-09-17 11:22 FromZeroToOne 阅读(258) 评论(0) 推荐(0) 编辑

python注释

只有注册用户登录后才能阅读该文。

posted @ 2019-09-16 15:27 FromZeroToOne 阅读(1) 评论(0) 推荐(0) 编辑

pytorch的LSTM笔记

摘要：1 与的不同 pytorch的LSTM初始化时的句子长度不是固定的，是可以动态调整的，只是作为batch训练时，需要保证句子的长度是统一的。 keras初始化模型是必须传入句子长度，也就是lstm的单元数，这个是模型参数的一部分经实验证明，不同的输入长度，对于lstm网络的参数总量是一样的，ls 阅读全文

posted @ 2019-09-16 14:58 FromZeroToOne 阅读(2305) 评论(0) 推荐(0) 编辑

visdom 可视化工具

摘要：开启visdom python m visdom.server 阅读全文

posted @ 2019-09-14 15:16 FromZeroToOne 阅读(218) 评论(0) 推荐(0) 编辑

python 常见错误

摘要：python2的代码在python3上运行常见错误字符串AttributeError: 'str' object has no attribute 'decode' 报错只需删除decode代码因为python3上的代码默认就是utf 8编码的明明文件就在那里却报错找不到这时可以通过打印代阅读全文

posted @ 2019-09-05 17:00 FromZeroToOne 阅读(279) 评论(0) 推荐(0) 编辑

路径

摘要：windows下使用r“绝对路径” 获取当前路径 cur_path = os.path.abspath('.') windows绝对路径使用\\ 拼接路径 check_path = os.path.join(cur_path, 'ipynb_checkpoints') vscode下找不到文件解决方阅读全文

posted @ 2019-09-05 09:51 FromZeroToOne 阅读(340) 评论(0) 推荐(0) 编辑

遍历文件夹与文件

摘要：glob 用于匹配某种类型文件 os.walk() os.listdir() 阅读全文

posted @ 2019-09-05 09:36 FromZeroToOne 阅读(519) 评论(0) 推荐(0) 编辑

HMM&CRF

摘要：1.HMM ，状态转移概率矩阵，这个就是其中一个概率分布。他是个矩阵，（N为隐藏状态集元素个数），其中即第i个隐状态节点,即所谓的状态转移嘛。，观测概率矩阵，即由状态估计观测的概率，这个就是另一个概率分布。他是个矩阵，（N为隐藏状态集元素个数，M为观测集元素个数），其中即第i个观测节点, 阅读全文

posted @ 2019-09-04 11:29 FromZeroToOne 阅读(263) 评论(0) 推荐(0) 编辑

遍历字典

摘要：遍历字典key值遍历字典value值遍历字典项遍历字典键值阅读全文

posted @ 2019-09-02 16:40 FromZeroToOne 阅读(208) 评论(0) 推荐(0) 编辑

git操作

摘要：辅导费阅读全文

posted @ 2019-09-02 09:56 FromZeroToOne 阅读(115) 评论(0) 推荐(0) 编辑

Joe's blog

09 2019 档案

搜索

随笔分类

随笔档案