摘要: 多分类任务(假设共有n类)有2种情况: 1. 对于每个样本来说,只属于n个类别中的某一类。 2. 对于每个样本来说,可能属于n个类别中的m个类。(这种分类任务叫做 多标签分类) 对于第1种,训练过程中可以直接用 作为损失函数训练神经网络即可。 对于第2种: 正常的做法是设置n个二分类器独自训练,得到 阅读全文
posted @ 2018-10-08 20:10 wxiaoli 阅读(1950) 评论(0) 推荐(0) 编辑
摘要: 罪魁祸首是训练过程中给模型传值时的如下语句: 而其中函数seq2embeded()中用到了tensorflow的运算: 这两句会增加graph节点,使得图在训练过程中不断增大,就会不断消耗内存。 教训: 训练过程中,能用numpy处理的运算尽量不用tensorflow中的运算。 如果必须用tenso 阅读全文
posted @ 2018-09-26 11:52 wxiaoli 阅读(2673) 评论(0) 推荐(0) 编辑
摘要: 有两种方法: 1. 直接用list()函数 2. 用array.tolist()函数 如果np.array是一维,两者没有区别。但如果是二维结果是不同的。 结果: 阅读全文
posted @ 2018-08-28 19:43 wxiaoli 阅读(33960) 评论(0) 推荐(0) 编辑
摘要: 2019.10.12更新: 支持jupyter notebook: https://mp.weixin.qq.com/s?__biz=MjM5NTE3NDgyMg==&mid=2650321667&idx=1&sn=1508bbef0bdd980a2195c3f1c099bba0&chksm=bef 阅读全文
posted @ 2018-08-04 17:37 wxiaoli 阅读(303) 评论(0) 推荐(0) 编辑
摘要: 服务器上python2.7 打印出的e[0]对应的是 unicode码 于是分别尝试了用e[0].encode('utf-8')转码 和 e[0].decode('unicode-escape')依然是unicode码。 后来,想起很久之前用gensim跑琅琊榜的词向量时没有这个问题,翻出代码看了一 阅读全文
posted @ 2018-07-29 08:49 wxiaoli 阅读(3735) 评论(0) 推荐(0) 编辑
摘要: 注释代码块 方法一: ''' 被注释的代码块 ''' 方法二: 选中要注释的代码块后 Ctrl + /,则选中的每一行都被# , 用这种方法注释的代码,用Shift + Ctrl + / 解开注释 缩进代码块(indent) Ctrl + -> 取消缩进代码块(un_indent) Ctrl + < 阅读全文
posted @ 2018-07-22 15:12 wxiaoli 阅读(1275) 评论(0) 推荐(0) 编辑
摘要: 因为计算结果数组中每个值都是很长的一串小数,看起来比较乱,想格式化一下输出方式。 这是个看起来很简单的问题,但是方法找了很久。 方法也是看起来很简单,用 numpy.set_printoptions(precision=4) 代码: 输出: reference: https://docs.scipy 阅读全文
posted @ 2018-07-19 10:59 wxiaoli 阅读(20130) 评论(0) 推荐(1) 编辑
摘要: step1: 代码中把summary写到文件中 step2: dos窗口执行tensorboard命令 切换到代码所在目录下,输入: tensorboard --logdir=./tmp/graph_logs --port=6006 【Note: (1)不需要进入python环境; (2)路径写到s 阅读全文
posted @ 2018-07-12 16:14 wxiaoli 阅读(1275) 评论(0) 推荐(0) 编辑
摘要: 简单说, 只要曲线是 “S”形的函数都是sigmoid function; 满足公式<1>的形式的函数都是logistic function。 两者的相同点是: 函数曲线都是“S”形。 另外造成两个概念混用导致初学者困扰主要是因为一个不成文的约定: 大家都习惯把standard logistic f 阅读全文
posted @ 2018-06-26 21:37 wxiaoli 阅读(4716) 评论(0) 推荐(1) 编辑
摘要: 运行结果: 官方API: https://www.tensorflow.org/api_docs/python/tf/stack https://www.tensorflow.org/api_docs/python/tf/unstack 阅读全文
posted @ 2018-04-25 16:47 wxiaoli 阅读(342) 评论(0) 推荐(0) 编辑