BeforeEasy的博客

tensorflow有CPU和GPU两种版本，CPU的更好安装，GPU需要下载额外的两个进行配置，CPU版的tensorflow运行GPU相关代码时会报错 CPU版的安装比较简单： 可以这样安装： pip3 install –upgrade tensorflow 或者像这样： pip3 install –upgrade https://storage.googleapis...

参考github: https://github.com/graykode/nlp-tutorial?tdsourcetag=s_pctim_aiomsg中的seq2seq attention部分 就是读懂了他的代码又自己写了一遍 原理 整个的神经网络翻译的结构是seq2seq ，原句从encode部分进入，每一步都会输出一个状态hj,结合每一步的hj可以得到一个综合输入信息的山下文向量conte...

论文： Convolutional Neural Networks for Sentence Classification 将每个词取出词向量的形式，作为卷积的输入。 通过filter获取不同的特征，经过池化和全连接，用softmax求出概率，进行分类 仍然是简化文本处理的部分，只用6个句子作为全部训练语句，同时batch_size =6 三部分 parameters 计算卷积池化全连接的主体...

原理 模型表示： 数据要进行缩放归一化 代价函数： i表示第i个训练实例 j表示第j个特征 同时更新theta 用矩阵表示就是： error = y_pred - y – shape(m,1) 拆开用矩阵表示一下最后的求导更新过程： 假设训练数据规模m*n，m条训练数据，每条数据n个特征，所以有theta0 theta1 — thetan 代码如下： 准备数据： import nu...

假设想要输出loss随epoch的变化图： 1、构建图过程中声明scalar变量 在图中定义loss节点后，加一个 loss_summary = tf.summry.scalar('loss',loss) 当有多个要输出时，可以用 merged_summary_op = tf.merge_all_summaries() 汇总到一个节点，执行时执行这个节点，add这个节点就行 2、构建完整个图...