htbeker的博客

多目标任务存在很多场景中，如多目标检测，推荐系统中的多任务学习。多任务学习(Multi-task learning)简介多任务学习(Multi-task learning)是迁移学习（Transfer Learning）的一种，而迁移学习指的是将从源领域的知识（source domin）学到的知识用于目标领域(target domin)，提升目标领域的学习效果。 而多任务学习也是希望模型同时做多个任务时，能将其他任务学到的知识，用于目标任务中，从而提升目标任务效果。如果我们换个角度理解，其实多任

tf.where( condition, x=None, y=None, name=None)a,b为和ｔｅｎｓｏｒ相同维度的ｔｅｎｓｏｒ，将ｔｅｎｓｏｒ中的ｔｒｕｅ位置元素替换为ａ中对应位置元素，ｆａｌｓｅ的替换为ｂ中对应位置元素。import tensorflow as tfimport numpy as npsess=tf.Session() a=np.array([[1,0,0],[0,1,1]])a1=np.array([[3,2,3],[4,5,6]]) pr.

在使用tensorflow搭建模型时会有特征工程的工作，今天介绍一下tensorflow做特征工程的api：tf.feature_column。feature_column 输入输出类型1.深度模型的输入必须是Dense类型，所有输出是categorical类型需要经过indicator或者embedding的转换才可以2.indicator, embedding, bucketized的输入不能是原始特征，前两者只能是categorical类型的feature_column, 后者只能是numer

reduce_sum应该理解为按相应的轴压缩求和，用于降维。通过设置axis参数按相应轴压缩求和。通过如下实例进行理解。先设置一个2*3*4的tensor实例x。x =tf.constant([[[ 1, 2, 3, 4],[ 5, 6, 7, 8],[ 9, 10, 11, 12]],[[13, 14, 15, 16],[17, 18, 19, 20],[21, 22, 23...

import numpy as npimport pandas as pdfrom pandas import Series,DataFrameimport matplotlib.pyplot as pltimport tensorflow as tftf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, s...

tf.matmul为矩阵相乘，tf.multiply为矩阵中对应元素各自相乘

推荐系统与深度学习的结合。在推荐系统中，记忆体现的准确性，而泛化体现的是新颖性，wide_deep能将两者相结合。1、Memorization 和 Generalization 这个是从人类的认知学习过程中演化来的。人类的大脑很复杂，它可以记忆(memorize)下每天发生的事情（麻雀可以飞，鸽子可以飞）然后泛化(generalize)这些知识到之前没有看到过的东西（有翅膀的动物都...

tf.nn.embedding_lookup的作用就是找到embedding data中对应行下的vectortf.nn.embedding_lookup(params, ids, partition_strategy='mod', name=None, validate_indices=True, max_norm=None)#寻找params中索引为ids的vectorimp...

转自： https://blog.youkuaiyun.com/u010352603/article/details/80590129计算广告CTR预估系列(四)–Wide&Deep理论与实践1. 名词解释1.1 Memorization 和 Generalization1.2 Wide 和 Deep1.3 Cross-product transformation2. Wide &amp...

利用tensorflow搭建简单线性模型及神经网络生成线性模型