SY的博客

算是一个简单的deep-learning框架。从加载数据集开始，包括了模型设计、训练、测试等过程。一. 加载数据二. 模型设计三. 训练四. 测试

最近需要开始做nlp相关的东西，参考知乎的问答列了一个书单，其中有这本：《深度学习进阶，自然语言处理》。断断续续花了几周时间把这本书看完了，总结回顾了一下书中的大致内容，并在此做一个记录，不过详细的地方大家还是买书去看比较好。这本书比较好的就是不止有原理性地描述，还有正向与反向传播计算图的说明以及不借助pytorch、tensorflow等深度学习库的底层计算实现。由于主要涉及深度学习，在传统机器学习算法以及一些公式的推导上相比西瓜书和统计学习方法来说没有那么详细，但总的来说是一本很不错的书。一、神经网

前言第一次尝试在kaggle上找机器学习（ML）项目练手，Titanic问题是官方的入门项目，在此做一个记录。kaggle官网：https://www.kaggle.com/加入竞赛进入官网之后左边那一栏的compete表示ML竞赛项目，点击某项竞赛后会有项目说明（Overview），数据集（Data）以及其他人对此项目的一些讨论（Notebooks、Discussion），点击join compete即可加入此竞赛。接下来要做的事就是使用数据集完成Overview中说明的任务，并将模型在测试集上

代码与教程此博文是关于pytorch中文教程中手动在网络中实现前向传播和反向传播部分的代码解析。先贴上教程来源与代码：教程为：https://pytorch.apachecn.org/docs/0.3/pytorch_with_examples_pytorch-tensors.html代码如下：import torchdtype = torch.FloatTensor# dtype = torch.cuda.FloatTensor # 取消注释以在GPU上运行# N 批量大小; D_i

基本计算公式W为输入大小，F为卷积核大小，P为填充大小(padding)，S为步长(stride)，N为输出大小。有如下计算公式：N=(W−F+2P)S+1N=\frac{(W-F+2P)}{S}+1N=S(W−F+2P)​+1由上述公式很容易推得一些常用的卷积层参数——输入输出的大小不变，仅通道数量改变。# 一个卷积核大小为5*5的卷积层参数kernel_size = 5stride ...

gensim中的word2vec模块首先下载gensim：pip install gensim本来我的环境是python2.7，pip下载失败，提示error: command 'E:\\Anaconda2\\Scripts\\gcc.bat' failed with exit status 1，找了一圈没找到原因，猜想可能是gcc版本不够，于是重装了Anaconda，换成了python3.6...