BrownWong的专栏

keras使用theano或者tensorflow作为后端时，都会预分配GPU内存，即先占满当前GPU的所有内存，而你使用nvidia-smi显示的就是预分配的GPU内存，往往是满的。如果你不想要程序预分配内存，即需要多少内存就动态分配多少内存时，你就需要如下设置：import tensorflow as tfimport keras.backend.tensorflow_backend as K

例子解析下面是一个crfpp训练出来的txt模型样例：version: 100cost-factor: 1maxid: 2978536xsize: 1BEMOU00:%x[-3,0]U01:%x[-2,0]U02:%x[-1,0]U03:%x[0,0]U04:%x[1,0]U05:%x[2,0]U06:%x[3,0]U07:%x[-3,0]/%x[-2

# coding: utf-8from keras.models import Sequentialfrom keras.layers import Embeddingfrom keras.layers import LSTMfrom keras.layers import Bidirectionalfrom keras.layers import Densefrom keras.lay

本文只是补充，更详细关于CRF++信息请参考：CRF++: Yet Another CRF toolkit1. 特征模板CRF++的特征模板：unigram模板会生成状态特征；（包含单特征和组合特征）bigram模板即转移特征。一个模板（unigram模板文件中的一行）会生成 L*N个特征函数，这里L是输出类标种类数，N是模板表示的唯一字符串个数。比如对于%x[0,1]，假设第1列特征表示词性

ubuntu16.04+cuda8.0+cudnn8.0+caffe 具体的版本由自己电脑决定 Ubuntu-16.04.1-desktop-amd64 （64位ubuntu） cuda-repo-ubuntu1604-8-0-local_8.0.44-1_amd64.deb cudnn-8.0-linux-x64-v5.1.tgz caffe-master直接GPU版本的配置 首先是安

文本分类：预处理特征选择 DF (Document Frequency)信息增益 (Information Gain, IG)熵 (Entropy)相对熵 (Relative Entropy)χ² 统计量 (Chi-Square)互信息 (Mutual Information)Robertson & Sparck Jones公式发生比 (Odds)Term Strength性

多层感知机分类# -*- coding: utf-8 -*-import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_dataimport matplotlib.pyplot as plt# 获得训练数据mnist = input_data.read_data_sets("MNIST_data/

# -*- coding: utf-8 -*-import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data__author__ = 'BrownWong'# 获得训练数据mnist = input_data.read_data_sets("MNIST_data/", one_hot=True

# -*- coding: utf-8 -*-import tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt__author__ = 'BrownWong'# 产生数据number_of_points = 200x_point = []y_point = []a = 0.22b = 0.78for i

1. 计算加法# -*- coding: utf-8 -*-import tensorflow as tf__author__ = 'Brown'"""计算加法"""x = tf.constant(1, name='x')y = tf.Variable(x+9, name='y')model = tf.initialize_all_variables()with tf.Session(

如何判断两个现象的因果关系 著作权归作者所有。 商业转载请联系作者获得授权，非商业转载请注明出处。 作者：程毅南 链接：https://www.zhihu.com/question/20532054/answer/15399462 来源：知乎 简化版：1. 两件事（A与B）相互关联（Association）2. A的发生可以预测B的发生（Prediction）3.

基本概念 Data dredging, sometimes referred to as “data fishing” is a data mining practice in which large volumes of data are analyzed seeking any possible relationships between data. The traditional scie

维基百科 多重比较谬误（Multiple Comparisons Fallacy），是一种概率谬误，系指广泛比较二个不同群体的所有差异，从中找出具有差异的特征，然后宣称它就是造成二个群体不同的原因。知乎 著作权归作者所有。 商业转载请联系作者获得授权，非商业转载请注明出处。 作者：stevenliuyi 链接：https://www.zhihu.com/questi

http://slidewiki.org/deck/1562_multi-way-array-aggregation#tree-0-deck-1562-1-view

1. gensim的word2vec简单使用Code Example:from gensim.models import word2vecsents = ['I am a good student'.split(),'Good good study day day up'.split()]model = word2vec.Word2Vec(sents, size=100,