LLY_A_的博客

参考链接循环神经网络人类不会每一秒都从头开始思考。当你阅读这篇文章时，你会根据对之前单词的理解来理解每个单词。你不会扔掉所有东西，然后重新从头开始思考。你的思想有恒心。传统神经网络无法做到这一点，这似乎是一个主要缺点。例如，假设您想对电影中每一点发生的事件进行分类。目前尚不清楚传统的神经网络如何利用其对电影中先前事件的推理来通知后面的事件。循环神经网络解决了这个问题。它们是带有循环的网络，允许信息持久化。循环神经网络具有循环。在上图中，一大块神经网络，一种一种，看一些输入..

名词解释：Epoch（时期）： 当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次>epoch。（也就是说，所有训练样本在神经网络中都进行了一次正向传播和一次反向传播） 再通俗一点，一个Epoch就是将所有训练样本训练一次的过程。然而，当一个Epoch的样本（也就是所有的训练样本）数量可能太过庞大（对于计算机而言），就需要把它分成多个小块，也就是就是分成多个Batch来进行训练。** Batch（批 / 一批样本）： 将整个训练样本分成若干个Ba...

参考：链接介绍使用DataFrame的plot方法绘制图像会按照数据的每一列绘制一条曲线，默认按照列columns的名称在适当的位置展示图例，比matplotlib绘制节省时间，且DataFrame格式的数据更规范，方便向量化及计算。DataFrame.plot( )函数：DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, la