AnneQiQi的博客

推荐系统遇上深度学习系列：推荐系统遇上深度学习(一)--FM模型理论和实践：https://www.jianshu.com/p/152ae633fb00推荐系统遇上深度学习(二)--FFM模型理论和实践:https://www.jianshu.com/p/781cde3d5f3d1、背景特征组合的挑战对于一个基于CTR预估的推荐系统，最重要的是学习到用户点击行为背后隐含的特征组合。在不同的推荐场景中，低阶组合特征或者高阶组合特征可能都会对最终的CTR产生影响。之前介绍的因子分解机(Fact

一、论文概述Wide and deep 模型是 TensorFlow 在 2016 年 6 月左右发布的一类用于分类和回归的模型，并应用到了 Google Play 的应用推荐中 [1]。wide and deep 模型的核心思想是结合线性模型的记忆能力（memorization）和 DNN 模型的泛化能力（generalization），在训练过程中同时优化 2 个模型的参数，从而达到整体模型的预测能力最优。结合我们的产品应用场景同 Google Play 的推荐场景存在较多的类似之处，在经过调研

tf.nn.sparse_softmax_cross_entropy_with_logitstf.nn.sparse_softmax_cross_entropy_with_logits(logits, # shape [batch_size, num_classes]labels, # shape [batch_size] name=None)计算logits 和 labels 之间的稀疏softmax 交叉熵度量在离散分类任务中的错误率1）labels的条件是互斥的，也就是说，一个样本只

本文介绍了tensorflow的常用函数，源自网上整理。　　TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.并行计算能让代价大的算法计算加速执行，TensorFlow也在实现上对复杂操作进行了有效的改进。大部分核相关的操作都是设备相关的实现，比如GPU。　　...

tf.app.flags.FLAGS 的作用tensorflow 中定义了 tf.app.flags.FLAGS ，用于接受从终端传入的命令行参数。tf.app.flags.FLAGS 类型tf中每个合法类型都有对应的 “DEFINE_xxx”函数。常用：参数说明“DEFINE_xxx”函数带3个参数，分别是变量名称，默认值；用法tf.app.flags.DEFINE_string('ckpt_path', 'model/model.ckpt-100000', '''Chec

tf.keras 与 keras 绝对兼容，但请注意：tf.keras 与 keras 版本相同时，才绝对兼容。可以通过 tf.keras.version.来查看 tf.keras 的版本。tensorflow和keras的兼容版本信息查看地址：Environments保存模型参数时，tf.keras 默认保存成 checkpoint 格式。可以通过设置 save_format=‘h5’ 来保存成 HDF5 格式。tf.keras是 Keras API 在 TensorFlow 里

padding是增加图片各个边的pixels的数量，具体增加的数量由filter的尺寸和stride大小共同决定。padding的上限是维持feature map大小和原图大小一致。目的是保持feature map不要太小。padding的意义：1）为了不丢弃原图信息2）为了保持feature map大小与原图一致3）为了让更深层的layer的input依旧保持足够大的信息量4...

可以在这个网址查看tensorflow和keras对应的版本：https://docs.floydhub.com/guides/environments/pip install --upgrade keras==2.1.0 升级到指定版本pip install keras==2.0.9安装指定版本版本不匹配可能会报错：AttributeError: module 'tensor...

本文链接：https://blog.youkuaiyun.com/weixin_42214565/article/details/100113735本文记录学习过程中遇到的问题、我的解决过程以及学习心得，如有错误之处，欢迎指正！最近在学习莫烦pytorch教程时遇到错误：ValueError: max() arg is an empty sequence。运行环境是pycharm2018.3.5，p...

设置 RNN 的参数¶这次我们会使用 RNN 来进行分类的训练 (Classification). 会继续使用到手写数字 MNIST 数据集. 让 RNN 从每张图片的第一行像素读到最后一行, 然后再进行分类判断. 接下来我们导入 MNIST 数据并确定 RNN 的各种参数(hyper-parameters):import tensorflow as tffrom tensor...

使用tensorflow训练时报错：ValueError: Only call `softmax_cross_entropy_with_logits` with named arguments (labels=..., logits=.解决办法：tf.nn.softmax_cross_entropy_with_logits(logits = yPredbyNN, labels=Y...

前言：最近做一个实验，遇到TensorFlow变量作用域问题，对tf.name_scope()、tf.variable_scope()等进行了较为深刻的比较，记录相关笔记：tf.name_scope()、tf.variable_scope()是两个作用域函数，一般与两个创建/调用变量的函数tf.variable() 和tf.get_variable()搭配使用。常用于：1）变量共享；2）t...

Overfitting 也被称为过度学习，过度拟合。 它是机器学习中常见的问题。 举个Classification（分类）的例子。图中黑色曲线是正常模型，绿色曲线就是overfitting模型。尽管绿色曲线很精确的区分了所有的训练数据，但是并没有描述数据的整体特征，对新测试数据的适应性较差。举个Regression (回归)的例子：第三条曲线存在overfitting问题，尽管...

学习资料:Tensorflow: dropout教程 PyTorch: dropout教程 Theano: l1 l2 regularization教程解决方法方法一: 增加数据量, 大部分过拟合产生的原因是因为数据量太少了. 如果我们有成千上万的数据, 红线也会慢慢被拉直, 变得没那么扭曲 .方法二：运用正规化. L1, l2 regulariz...

TensorFlow 的python使用方式：在tensorflow的使用中，经常会使用tf.reduce_mean,tf.reduce_sum等函数，函数中reduction_indices参数表示函数的处理维度：reduction_indices参数的值默认的时候为None,默认把所有的数据求和，即结果是一维的。reduction_indices参数的值为0的时候，是第0维对应位置相加。...

TensorFlow 的特点：使用图 (graph) 来表示计算任务. 在被称之为会话 (Session)的上下文 (context) 中执行图. 使用 tensor 表示数据. 通过变量 (Variable)维护状态. 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据TensorFlow 综述Tensor...

1）错误记录:AttributeError: module 'tensorflow' has no attribute 'initialize_all_variavles'报错原因：关于initialize_all_variables，这是一个已经在 2017年3月2号以后被弃用的函数，如果使用了它会报错或者出警告：修复：只需将其改为它的替代函数global_variables_ini...

近日电脑环境出了点问题，整个重装后tensorflow更新到2.0版本。结果运行以往的程序是抛出了很多bug，走了很多路也踩过很多坑。且行且调试吧。。。 TensorFlow具有多种语言可用的API，可用于构建和执行TensorFlow图。Python API目前是最完整和最容易使用的，但是其他语言API可能更易于集成到项目中，并且可能在图形执行方面提供一些性能优势。...