摘要：
1. 所有神经网络处理的的数据都是平均值接近0，标准差接近1的，这样可以保证神经网络尽快的收敛 2. batchNormalization是指从数据中减去平均值，然后再除以标准差的操作，可以像一个层一样添加到激活函数输入前面 阅读全文
posted @ 2019-10-03 14:42
FromZeroToOne
阅读(395)
评论(0)
推荐(0)
摘要：
a.完整特征工程竞赛 b.野博客理论入门理解 c.再回到代码深入理解模型内部 d.再跨理论，查阅经典理论巨作。这时感性理性都有一定高度，会遇到很多很大的理解上的疑惑，这时3大经典可能就可以发挥到最大作用了。 阅读全文
posted @ 2019-10-02 16:10
FromZeroToOne
阅读(299)
评论(0)
推荐(0)
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(1092)
评论(0)
推荐(0)
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(256)
评论(0)
推荐(0)
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)
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(763)
评论(0)
推荐(0)
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(269)
评论(0)
推荐(0)
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(362)
评论(0)
推荐(0)
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(121)
评论(0)
推荐(0)
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(681)
评论(0)
推荐(0)
浙公网安备 33010602011771号