leva的博客

基本上，GloVe提供了一套预训练的词嵌入流程，我们会使用60亿词和100维的数据训练的GloVe，即glove.6B.100d.txt。情感分析基本上是用于识别并分类一段文本或语料库中所表达的情感的一种方法，为了确定他人对特定主题、产品等的态度是积极的、消极的还是中立的，使用NLP对应地将文档分类为正面、中性或负面。随着技术对企业的进步起着越来越重要的作用，情感分析正成为各种商业案例中的常用工具，企业使用情绪分析技术得到客户对企业业务、产品和相关主题的感受。最后，在给定文档中对神经网络的性能进行评估。..

真正使RNN强大的是它能够处理向量序列，其中RNN的输入和输出可以是序列，下图很好地说明了这一点，最左边的例子是一个传统（非递归）网络，后面跟着一个序列输出的RNN，接着跟着一个序列输入的RNN，其次跟着序列输入和序列输出不同步的RNN，最后是序列输入和序列输出同步的RNN。在音乐中，一首曲子的下一个音符肯定取决于前面的音符，而在视频领域，电影中的下一帧肯定与先前的帧有关。基于时间序列的模型可以用RNN来描述，其中，时刻i输入为Xi，输出为Yi，时刻[0，i-1]区间的状态信息被反馈至网络。...

然后是两个卷积核级联，卷积核的个数是64，尺寸是3×3，激活函数是ReLU。然后，编码局部结构的简单方法是将相邻输入神经元的子矩阵连接成属于下一层的单隐藏层神经元。例如，可以从28×28输入神经元开始处理MNIST图像，然后（还是以5×5的步幅）在下一个隐藏层中得到每个大小为23×23的神经元的k个特征图。加载CIFAR-10数据，并将其分为X_train和Y_train，X_test用于测试，Y_test是测试集的标签。对X和Y进行混洗可能是有用的，因为这样能避免训练依赖于特定的数据配置。...

第一个conv层有一个5×5的卷积核，1个输入和32个输出。第二个conv层有一个5×5的卷积核，32个输入和64个输出。全连接层有7×7×64个输入和1024个输出，而第二层有1024个输入和10个输出对应于最后的数字数目。10．启动计算图并迭代training_iterats次，其中每次输入batch_size个数据进行优化。定义基于cross_entropy_with_logits的损失函数，并使用Adam优化器进行损失最小化。5．定义一个输入为x，权值为W，偏置为b，给定步幅的卷积层。...

用 表示经过激活函数后的输出值，对于第j 个卷积核经过激活函数输出的神经元激活值 ，选取临近的n个卷积核卷积后的输出值，将它们在同一个位置上卷积后激活函数的输出值进行求和。Dropout就是利用这个原理，每次丢掉一半左右的隐藏层神经元，相当于在不同的神经网络上进行训练，这样就减少了神经元之间的依赖性，即每个神经元不能依赖于某几个其它的神经元（指层与层之间相连接的神经元），使神经网络更加能学习到与其它神经元之间的更加健壮robust（鲁棒性）的特征。迟一天就多一天平庸的困扰。...

活动地址：优快云21天学习挑战赛学习的最大理由是想摆脱平庸，早一天就多一份人生的精彩；卷积神经网络(ConvolutionalNeural Networks，CNN)，CNN可以有效的降低反馈神经网络(传统神经网络)的复杂性，常见的CNN结构有LeNet-5、AlexNet、ZFNet、VGGNet、GoogleNet、ResNet等等，其中在LVSVRC2015冠军ResNet是AlexNet的20多倍，是VGGNet的8倍；从这些结构来讲CNN发展的一个方向就是层次的增加，通过这种方式可以.

我使用商业设备(MyoArmband)开发的数据集的分类准确度明显高于使用相同设备记录的类似基准数据集（约24%）。通过使用来自MyoUP数据集的sEMG记录训练我们的CNN，我设法开发了一个实时手势识别软件。以下是Python训练代码。...

为了有助于获取sEMG数据，特别是从不需要专业校准的设备中获取，我开发了一个相当大的sEMG数据集。我们的数据集MyoUP受到Ninapro数据集的启发，所有记录的手势都与Ninapro中的一些(http//ninaweb.hevs.ch)相同。根据该领域的最新工作，我的工作目标是设计一种新颖的卷积神经网络架构，用于手势分类。然而，我使用商业设备(MyoArmband)开发的数据集的分类准确度明显高于使用相同设备记录的类似基准数据集（约24%）。...

Pandas制图Pandas之Series 制图Pandas之DataFrame制图Pandas综合应用1导入ca_list_copy.csv文件到DataFrame中，实现以下操作：对异常数据（数值为0）进行值替换，替换为当前列的平均值；对zwyx列的数据进行平均值统计，其他列做计数统计（提示使用value_counts()）；得到zwmc字段的唯一值列表；通过group函数，实现对于dd字段的分组，并按照城市计算每个城市的最大薪资，使用折线图，显示Top10城市。Pan

apply 是 pandas 库的一个很重要的函数，多和 groupby 函数一起用，也可以直接用于 DataFrame 和 Series 对象。主要用于数据聚合运算，可以很方便的对分组进行现有的运算和自定义的运算。Pandas聚合之applyPandas聚合之apply练习1时间数据提取，数据如左下图所示，包含数值部分以及时间部分。要求：提取数据时间部分，返回对应的每行数据的年、月、日三列数据。效果如右下图所示。Pandas聚合之apply练习2请结合apply与groupy函数完

groupby 对DataFrame进行数据分组，传入列名列表或者Series序列对象，返回生成一个GroupBy对象。它实际上还没有进行任何计算。GroupBy对象是一个迭代对象，每次迭代结果是一个元组。元组的第一个元素是该组的名称(就是groupby的列的元素名称)。第二个元素是该组的具体信息，是一个数据框。索引是以前的数据框的总索引。Pandas分组之聚合操作...

用于计算一个Series中各值出现的频率。

Pandas排序之sort_indexsort_index 对行或列索引进行排序。Series 的 sort_index(ascending=True) 方法可以对 index 进行排序操作，ascending 参数用于控制升序或降序，默认为升序。在 DataFrame 上，.sort_index(axis=0, by=None, ascending=True) 方法多了一个轴向的选择参数与一个 by 参数，by 参数的作用是针对某一（些）列进行排序（但是不能对行使用 by 参数）Pandas排序

Matplotlib柱状图练习：用柱状图表示第一季度的进出口数据进口数据：1月份 600亿美元2月份 700亿美元3月份 800亿美元出口数据：1月份 500亿美元2月份 900亿美元3月份 1000亿美元matplotlib.pyplot.hist(x,bins=10,range=None,normed=False,weights=None,cumulative=False,bottom=None,histtype='bar', align='mid',orientation=

Python最常用的绘图库，提供了一整套十分适合交互式绘图的命令API，比较方便的就可以将其嵌入到GUI应用程序中。官网：http://matplotlib.org/学习方式：从官网examples入门学习http://matplotlib.org/examples/index.htmlhttp://matplotlib.org/gallery.html为什么选择Matplotlib1.Matplotlib 是一个非常强大的 Python 画图工具.2.手中有很多数据, 可是不知道该怎么呈现

数据文件读取/文本数据读取与文本存储索引、选取和数据过滤算法运算和数据对齐函数的应用和映射层次索引排序分组聚合pandas：数据文件读取通过pandas提供的read_xxx相关的函数可以读取文件中的数据，并形成DataFrame,常用的数据读取方法为：read_csv，主要可以读取文本类型的数据通过DataFrame的相关方式可以获取对应的列或者数据形成一个新的DataFrame, 方便后续进行统计计算。pandas：缺省值NaN处理方法对于DataFrame/Series

pandas是一种Python数据分析的利器，是一个开源的数据分析包，最初是应用于金融数据分析工具而开发出来的，因此pandas为时间序列分析提供了很好的支持。pandas是PyData项目的一部分。官网：http://pandas.pydata.org/官方文档：http://pandas.pydata.org/pandas-docs/stable/安装过程详见: 官方安装文档Python版本要求：2.7、3.4、3.5、3.6依赖Python库：setuptools、NumPy、python

NumPy基本操作数组与标量、数组之间的运算数组的矩阵积(matrix product)数组的索引与切片数组的转置与轴对换通用函数：快速的元素级数组成函数聚合函数np.where函数np.unique函数ndarray-数组与标量、数组之间的运算数组不用循环即可对每个元素执行批量的算术运算操作，这个过程叫做矢量化，即用数组表达式代替循环的做法。矢量化数组运算性能比纯Python方式快上一两个数据级。大小相等的两个数组之间的任何算术运算都会将其运算应用到元素级上的操作。**元素级操作

Scipy库简介Scipy库是基于Python生态的一款开源数值计算、科学与工程应用的开源软件，主要包括NumPy、Scipy、pandas、matplotlib等等。官方文档：https://scipy.org/numPy、Scipy、pandas、matplotlib简介numpy——基础，以矩阵为基础的数学计算模块，纯数学存储和处理大型矩阵。 这个是很基础的扩展，其余的扩展都是以此为基础。scipy——数值计算库,在numPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。

什么是爬虫爬虫的由来随着网络的迅速发展，万维成为大量信息 随着网络的迅速发展，如何有效地提取并利用这些信息成的载体，如何有效地提取并利用这些信息成的载体，成为一个巨大的挑战。如何获取这些数据。为什么要学习 Python 爬虫...

奇异值分解矩阵的奇异值分解在特征问题，最小二乘 矩阵的奇异值分解在特征问题，最小二乘 矩阵的奇异值分解在特征问题，最小二乘 法问题 及广义逆矩阵等方面有 重要应用 重要应用奇异值的定义...

正交矩阵QR分解（正交三角分解）分解（ 正交三角分解 ）

可对角化矩阵注意正定矩阵奇异矩阵

对称矩阵

矩阵B4 和B5都称为行阶梯形矩阵矩阵的秩

矩阵的转置矩阵的转置：把矩阵A的行和列互相交换所产生的矩阵称为A的转置矩阵，这一过程叫做矩阵的转置。使用AT表示A的转置方阵行列式代数余子式伴随矩阵方阵的逆方阵的逆...

矩阵的加减法矩阵与向量的乘法矩阵与矩阵的乘法

当m=1 或者 n=1 的时候，称 A为行向量或者列向量矩阵相等方阵负矩阵、上三角对角矩阵单位矩阵零矩阵如果矩阵 A中的所有元素 (m*n 个)均为 0，那么此时矩阵 A叫做零矩 叫做零矩 阵，可以记作 0。...

二、矩阵矩阵：即描述线性代数中关系的参， 是一个变换矩阵：即描述线性代数中关系的参， 是一个变换可以将一些向量转换为另。 初等代数中， y=ax 表示的是 x到y的一种映射关系，其中 的一种映射关系，其中 的一种映射关系，其中 的一种映射关系，其中 a是描述这 是描述这 中关系的参数。 线性代数中， Y=AX 表示的是向量 X和Y的一种映射关系，其中 的一种映射关系，其中 的一种映射关系，其中 A是 描矩阵的直观表示状态转移模型（ 讲 完概率后再）状态转移模型概率转移矩阵平稳分布

线性代数线性 (linear) 指量 (变量 )与量 (变量 )之间按比例、成直线关系，在数 之间按比例、成直线关系，在数 之间按比例、成直线关系，在数 学上可以理解为一阶导数常的函；而非线性 学上可以理解为一阶导数常的函；而非线性 学上可以理解为一阶导数常的函；而非线性 (non -linear)linear) linear) 是 指不成比例、没有直线关系，一阶导数是常的函。 指不成比例、没有直线关系，一阶导数是常的函。 指不成比例、没有直线关系，一阶导数是常的函。 指不成比例、没有直线关系，一阶导数是

物理学家、化学家和程序员坐在一辆车里，车子却无法启动。“也许是没油了？”化学家说。“也许是发动机的问题？”物理学家说。“也许我们都下车，再上车，就好了？”程序员说。词嵌入栗子代码# encoding = utf-8import numpy as npimport tensorflow as tffrom tensorflow.contrib.crf import crf_log_likelihoodfrom tensorflow.contrib.crf import viterbi_de

在一次 Java 的学术会议上，与会者被问了一个问题。如果你登上一架客机，发现这架飞机的控制软件是你的程序员团队负责的，你们中会有多少人，决定立刻下飞机？大家纷纷尴尬地举手。可是，有一个人却坐在那里一动不动。主持人问，为什么你对自己的团队这么有信心？他回答说：如果是我的团队负责的，那飞机连滑行出跑道都不太可能，更不用说起飞了。没有什么风险。word2vec实现代码#encoding=utf8from __future__ import absolute_importfrom __future__ i

训练过程源代码import timeimport data_utilsimport tensorflow as tfimport seq2seqimport ostf.app.flags.DEFINE_string("data_dir", "data/", "Data directory.")tf.app.flags.DEFINE_string("train_dir", "model/", "Train directory.")tf.app.flags.DEFINE_float("lea.

import tensorflow as tfimport data_utilsimport osimport mathimport sysimport timeclass Seq2SeqModel(object): def __init__(self, learning_rate, learning_rate_decay_factor, source_vocab_size=40000, \ target_vocab_size=40000, num_steps=100, nu.