jasonzzj的博客

说明：本文参考整理于斯坦福大学cs231n课程Andrej Karpathy的讲义。

在信息检索、分类体系中，有一系列的指标，搞清楚这些指标对于评价检索和分类性能非常重要，因此最近根据网友的博客做了一个汇总。准确率、召回率、F1信息检索、分类、识别、翻译等领域两个最基本指标是召回率(Recall Rate)和准确率(Precision Rate)，召回率也叫查全率，准确率也叫查准率，概念公式:             召回率(Recall)      =

softInput = tf.matmul(output, Wl_h_l) + Bl_h_l softmaxLoc = tf.nn.softmax(softInput / tempreture)在tensorflow中这样用，其他的库均类似～

在Theano中，有如下定义的函数可供sequence to sequence 模型来使用sample功能：def sample(preds, temperature=1.0): # function to sample an index from a probability array # temperature = (0, 1.0] # https://github

Alex Smola, Professor, Carnegie Mellon University and Chief ScientistThis depends a lot on the background of the software engineer. And it depends

安装环境：已有python和pip的windows或者linux下，均可按照下面方法快速安装jupyter notebook安装：pip install jupyter notebook运行：jupyter notebook

Charles Wang UC Berkeley CS+Econ Double Major122 人赞同Jupyter Notebook 顾名思义，它的核心在于展示与快速迭代。所以与其回答这个问题，我觉得看看各路大神都用Jupyter Notebook写出了什么，就自然可以直观地得出这个问题的结论。先来个萌萌的1.XKCD plots in Matp

An overview of several uses of differential geometry ideas in machine learning

本文介绍了tensorflow和numpy中的以下两个函数1. tf.reduce_mean()2. np.mean()

前言交叉熵损失函数交叉熵损失函数的求导前言说明：本文只讨论Logistic回归的交叉熵，对Softmax回归的交叉熵类似。 首先，我们二话不说，先放出交叉熵的公式： J(θ)=−1m∑i=1my(i)log(hθ(x(i)))+(1−y(i))log(1−hθ(x(i))),J(θ)=−1m∑i=1my(i)log⁡(hθ(x(i)))+(1−y(i))log⁡(1−hθ(...