qq_33837905的博客

参考：https://blog.youkuaiyun.com/u011984148/article/details/99921480

第一 官方可以直接保存整个模型，将模型保存为HDF5文件# 创建模型实例model = create_model()# 保存模型到HDF5文件model.save('my_model.h5')# 读取模型model = keras.models.load_model('my_model.h5')第二 自定义当出现报错得时候 – NotImplementedError: Saving the model to HDF5 format requires the model to be a F

很全

代码方面据说有两种方法使用word2Vec gensim应该是比较常用的Gensim中 Word2Vec 模型的期望输入是进过分词的句子列表，即是某个二维数组原理方面：两个模型：总而言之就是这样的在CBOW和skip-gram讲解完成后，我们会发现Word2Vec模型是一个超级大的神经网络（权重矩阵规模非常大）。举个例子，我们拥有10000个单词的词汇表，我们如果想嵌入300维的词向量，那么我们的输入-隐层权重矩阵和隐层-输出层的权重矩阵都会有 10000 x 300 = 300万个权重，

概述：作用：中文文本进行分词 得到单个词语 时用到的第三方库原理：在中文词库 得出汉字之间关联的概率， 形成词组分割使用：参考

转载

转载 format解析笔记

init()是Python中的构造函数，构造函数用于初始化类的内部状态，为类的属性设置默认值。两个下划线开头的函数是声明该属性为私有，不能在类的外部被使用或访问。_init__函数（方法）支持带参数类的初始化，也可为声明该类的属性（类中的变量）。__init__函数（方法）的第一个参数必须为self，后续参数为自己定义。call函数call()的本质是将一个类变成一个函数（使这个类的实例可以像函数一样调用）class A(object): def __init__(self, nam

re.sub()用法re.sub(pattern, repl, string, count=0, flags=0)pattern：被替换的部分–正则表示内的字符串repl:替换成什么string:被替换的完整字符count:（可选参数）模式匹配后替换的最大次数，默认0表示替换所有的匹配flags：可选参数，表示编译时用的匹配模式（如忽略大小写、多行模式等），数字形式，默认为0。实例：#单个匹配re.sub(r'[0-9]','*',s) 将每一个数字替换为一个星号re.sub(r'