Star_Platinum的博客

端到端的MNIST训练数字识别下面介绍端到端的MNIST训练数字识别过程。 这个数据集是由LeCun Yang教授和他团队整理的，囊括了6万个训练集和1万个测试集。每个样本都是32×32的像素值，并且是黑白的，没有R、G、B三层。我们要做的是把每个图片分到0~9类别中。 下图是一些手写数字的样本 接下来用Keras搭建卷积网络训练模型。1、导入数据和keras卷积模块im...

利用VGG16网络进行字体识别接下来使用迁移学习的思想，以VGG16作为模板搭建模型，训练识别手写字体。 VGG16模型是基于K.Simonyan和A.Zisserman写的Very Deep Convolutional Networks for Large-Scale Image Recognition，arXiv：1409.1556。1、导入数据from keras.ap...

文字情感分析建模1、词嵌入技术为了克服文字长短不均和将词与词之间的联系纳入模型中的困难，人们使用了一种技术——词嵌入。简单说来，就是给每个词赋一个向量，向量代表空间里的点，含义接近的词，其向量也接近，这样对于词的操作就可以转化为对于向量的操作了，在深度学习中，这被叫作张量（tensor）。 用张量表示词的好处在于： 第一，可以克服文字长短不均的问题，因为如果每个词已经有对应的词向量，那...

卷积神经网络训练情感分析全连接神经网络几乎对网络模型没有任何限制，但缺点是过度拟合，即拟合了过多噪声。全连接神经网络模型的特点是灵活、参数多。在实际应用中，我们可能会对模型加上一些限制，使其适合数据的特点。并且由于模型的限制，其参数会大幅减少。这降低了模型的复杂度，模型的普适性进而会提高。 接下来我们介绍卷积神经网络（CNN）在自然语言的典型应用 在自然语言领域，卷积的作用在于利用文字...

1、导入模块另外部分导入的在这里from keras.layers import LSTM2、预处理数据参考这里3、搭建模型对于LSTM神经块输出的shape： 如果return_sequences=True：返回形如（samples，timesteps，output_dim）的3D张量 否则，返回形如（samples，output_dim）的2D张量 在keras开...