JohnSon

Tensorflow计算模型 —— 计算图Tensorflow是一个通过计算图的形式来表述计算的编程系统，计算图也叫数据流图，可以把计算图看做是一种有向图，Tensorflow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。计算图的使用在tensorflow程序中，系统会维护一个默认的计算图，通过tf.get_default_graph()函数可以获取当前默认的计算图，

共享变量你可以在怎么使用变量中所描述的方式来创建，初始化，保存及加载单一的变量.但是当创建复杂的模块时，通常你需要共享大量变量集并且如果你还想在同一个地方初始化这所有的变量,我们又该怎么做呢.本教程就是演示如何使用tf.variable_scope() 和tf.get_variable()两个方法来实现这一点.问题假设你为图片过滤器创建了一个简单的模块，和我们的卷积神经网络

tf.contrib.rnn.BasicRnnCell首先来看看BasicRNNCell的源码class BasicRNNCell(RNNCell): """The most basic RNN cell.""" def __init__(self, num_units, input_size=None, activation=tanh, reuse=None): if input_s

卷积神经网络CNN卷积神经网络（Convolutional Neural Network,CNN）是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。 它包括输入层，隐藏层，输出层，其中，隐藏层有包括卷积层(alternating convolutional layer)和池层(pooling layer)。卷积层用于提取特征，池化层也就是下采样，常见的

聊天机器人是现在AI技术的综合体现的一个很重要的产品形式，技术会涉及自然语言理解，即充分理解用户说的话的意思，也要涉及自然语言生成，产生合适的回答来返回给用户。由于自然语言本身形式的不确定性和复杂性，这个任务可以说是具有非常大的挑战，且效果也很难做一个非常准确和直接的评判。 但越困难的事情，越是充满了吸引力。我们团队中的成员在项目兴趣选择时，都不约而同地首选了这个聊天机器人项目。团队里有比较懂深度

原理paper地址：https://arxiv.org/pdf/1408.5882.pdf 对于文本分类问题，常见的方法无非就是抽取文本的特征，比如使用doc2evc或者LDA模型将文本转换成一个固定维度的特征向量，然后在基于抽取的特征训练一个分类器。 然而研究证明，TextCnn在文本分类问题上有着更加卓越的表现。TextCnn的结构1. 嵌入层(embedding la

算法原理本文利用self-attention的方式去学习句子的embedding，表示为二维矩阵，而不是一个向量，矩阵中的每一行都表示句子中的不同部分。模型中使用了self-attention机制和一个特殊的regularization term。 假设我们有一个句子SSS, 包含nnn个单词 S=(w1,w2,w3,...,wn)S=(w1,w2,w3,...,wn)S = (w_1...