qq_37879432的博客

AttributeError: module 'tensorflow.python.ops.nn' has no attribute 'seq2seq'tf.nn.seq2seq.model_with_buckets改为tf.contrib.seq2seq.model_with_buckets

几乎所有的机器学习中，都面临着减少模型预测值和数据之间误差的问题，这类问题一般都转换成求目标函数的最小值问题，称为优化问题 如上图优化问题就是找最小值的问题。 1 常见几种优化器 首先来看一下梯度下降最常见的三种变形 BGD，SGD，MBGD， 1.1BGD 采用整个训练集的数据来计算 cost function 对参数的梯度 缺点：由于这种方法是在一次更新中，就对整个数据集计算...

一：构建生成器判别器class NetG(nn.Module): ''' 生成器定义 ''' def __init__(self, opt): super(NetG, self).__init__() ngf = opt.ngf # 生成器feature map数 self.maina = nn.Sequ...

（1）卷积运算 （1）反卷积运算（转置卷积） 下载ppthttps://pan.baidu.com/s/1UdBmFD6J5WOzfXF4pg4acw

这是我的公众号：

a.pyimport torchimport numpy as np#生成一个五行四列的二维矩阵print(torch.Tensor(5, 4))# 返回的数组大小是5x4的矩阵，初始化是0~1的均匀分布x=torch.rand(5, 4)print(torch.randn(5, 4))print(x)#查看x的形状print(x.size())# numpy 类似的返回5x...

！[这里写图片描述]（https://img-blog.youkuaiyun.com/20180430101939429?watermark/2/text/aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3ODc5NDMy/font/5a6L5L2T/fontsize/400/fill/I0JBQkFCMA==/dissolve/70）！[这里写图片描述]（https://img-blo...

考虑一个对偶翻译游戏，里面有两个玩家小明和爱丽丝，如下图所示。小明只能讲中文，爱丽丝只会讲英文，他们两个人一起希望能够提高英文到中文的翻译模型f和中文到英文的翻译模型g。给定一个英文的句子x，爱丽丝首先通过f把这个句子翻译成中文句子y1，然后把这个中文的句子发给小明。因为没有标注，所以小明不知道正确的翻译是什么，但是小明可以知道，这个中文的句子是不是语法正确、符不符合中文的语言模型，这些信息都能帮...

基于卷积神经网络的目标检测算法1 滑窗法滑窗法的思路及其简单，首先需要已经训练好的一个分类器，然后把图片按照一定间隔和不同的大小分成一个个窗口，在这些窗口上执行分类器。如果得到较高的分数分类，就认为是检测到了物体。把每个窗口的分类器都执行一遍，在对得到的分数做一些后处理(非极大值抑制等)，最后得到物体对应的区域。滑动法的效率及其低下。2 Selective Search 滑动法相当于对一张图片上

from __future__ import print_functionfrom time import timeimport loggingimport matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom sklearn.model_selection import Gr

No module named 'keras.datasets'; 'keras' is not a package我想你犯了一个很傻的错误，就是你自己在你项目中起名叫keras。把那个删掉就ok了。

SVM（support vector machine）支持向量机：注意：本文不准备提到数学证明的过程，一是因为有一篇非常好的文章解释的非常好：http://blog.youkuaiyun.com/v_july_v/article/details/7624837，另一方面是因为我只是个程序员，不是搞数学的（主要是因为数学不好。），主要目的是将SVM以最通俗易懂，简单粗暴的方式解释清楚。

LSTMLSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。1 LSTM的结构RN

RNN（循环神经网络）1 RNN(循环神经网络)的主要应用 RNN主要应用在处理和预测序列数据。主要应用在语音识别，语言模型，机器翻译等有关时间序列分析的方面。 对于RNN最重要的就是时刻，它会根据每个时刻的 输入结合当前模型的状态给出个输出。从上图可以看到，RNN的主体结构A的输入除了来自输入层Xt,还有一个循环边长提供当前时刻的状态。在每个时刻，循环神经网络的模块A会读取t时刻的输入Xt,并

神经网络7.1 什么是人工神经网络人工神经网络受到生物神经网络的启发。构造人工神经元来模仿生物神经元来工作。生物神经网络的基本工作原理：一个神经元的输入端有多个树突，主要是用来接收输入信息的。输入信息进过突触处理，将输入的信息累加，当处理后的输入信息大于某一个特定的阈值，就会把信息通过轴突传输出去，这时称神经元被激活。相反，当处理后的输入信息小于阈值时，神经元就处于抑制状态，它不会像其他神经元传递信

使用pytorch中nn.ReLU(inplace=True) 因为inplace op会覆盖某些函数计算渐变所需的一些数据。覆盖它后，它无法做到这一点。只需inplace=True在这些地方删除。