梦想破三的奔三狗

年轻人少熬夜

关于BERT模型的调用，这几天基本上是摸得比较清楚了。模型源码在https://github.com/google-research/bert，截至本文发布，该项目的Readme.md文件中提供了如下图所示的9个模型的下载链接。前两个是区分大小写的英文模型，第三个是中文模型，4589没有用过具体不太清楚，六七是不区分大小写的英文模型（根据Readme.md中的描述，如果对大小写不是很敏感的话用...

最近在看论文，看到一篇关于推荐系统方面不错的一篇入门综述，优快云博客上也有几个人做了译文，大都只翻译了很少的一部分。笔者虽然没有进行翻译，但是在阅读的过程中对全文做了提纲以及进行要点记录，各位朋友觉得可以也可以参考一二，但是就一些好论文还是自己一个字一个字去看比较好。附官网下载链接 https://arxiv.org/pdf/1707.07435由于是在Notepad++中编辑，这边就直...

课程的一次作业，虽然没什么用，但是手写一遍dense确实能加深对神经网络的理解，尤其是反向传播求导这一块。资源已经上传，不过最近优快云犯病不能改资源积分了。留个BDY链接了

第二次课程作业，手写CNN进行手写数字识别。据说还要手写一次RNN（这酸爽还有谁）。作业坑点在于Assignment给定的这个架构与默认参数效果非常差，结果怎么调都调不好，一开始一直是以为写错了，但是检查了很久都发现不了哪里写错了。后来用keras实现了同样的架构，发现确实效果差得惊人（跟瞎猜没有区别），然后随便改了改（加一个卷积层或者加一个dense层，甚至只要修改一下优化函数，SGD的效果...

深度学习课程项目完结，挑了个吃力不讨好的ACM Recsys2019，需要做一个基于序列分析的推荐系统。数据集给了一个线上操作序列的数据，需要预测最后一次操作的对象是哪个item，具体情况可以访问比赛主页ACM RecSys challenge 2019 | Home 。评价指标是MRR，要求对最后一次操作的25个items进行排序，榜单前20已经做到0.66以上，几乎是精确的预测到了下一次的it...