qq_40647378的博客

https://aws.amazon.com/cn/blogs/china/use-amazon-sagemaker-to-run-chinese-named-entity-recognition-based-on-tensorflow/?nc1=b_rphttps://www.bilibili.com/video/BV1f5411s7Yz?from=search&seid=16029321477206824532可以直接用他的notebook右上角创建实例环境和notebook 一样

一、简介NLP：1.word level:序列标注任务（上图d）,分词、词性标注、命名实体识别都属于序列标注任务，所谓序列标注就是对一个序列的每个部分（可以是词，可以是字）进行分类，上图d就是一个实体识别任务（我们后续会详细讲到），实际上我感觉语音识别如果是在帧层面上进行音素分类的话，也可以作为一种序列标注任务。 2.sentence level :我认为只要是在句子层面分类的任务都可以归结为该类，如文本分类，情感识别，关系抽取，语音情感识别等。在这里注意关系抽取是知识图谱中将文本数据进行

package com.atguigu.recommenderimport java.net.InetAddressimport com.mongodb.casbah.commons.MongoDBObjectimport com.mongodb.casbah.{MongoClient, MongoClientURI}import org.apache.spark.SparkConf...

比较好的查包和参数的地址做个备注以后能用https://rdrr.io/cran/datarobot/man/CreateUserPartition.html

参考自己补充的精华

先存着import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#最经典的mnist手写字符识别中的数据集max_steps = 1000learning_rate = 0.001dropout = 0.9data_dir = './MNIST_data_bak'log_di...

写代码爽 一直写代码一直爽…终于觉得写代码不是多么阔怕又头疼的事情了…因为臣妾记不住呀#课程来自x马如何建立全连接层输出转换成二维计算损失再转换成3维梯度下降app.flags.DEFINE_string("tfrecords_dir","./tfrecords/captcha.tfrecords",app.flags.DEFINE_string("captcha_...

#先把代码放进来，笔记以后再整理#pip install surprise #可能需要c++的配置环境#老师说网上基本上没有什么资源，还是看官网from surprise import KNNBasic,SVDfrom surprise import DataSetfrom surprise import evaluate.print_perfdata= DataSet.loa...

课程学习来自北风网 个人笔记整理一、基础知识补充try的工作原理是：当开始一个try语句后，python就在当前程序的上下文中作标记，这样当异常出现时就可以回到这里，try子句先执行，接下来会发生什么依赖于执行时是否出现异常。假如在读一个文件的时候，希望在无论异常发生与否的情况下都关闭文件，该怎么做呢？这可以使用finally块来完成。注意，在一个try块下，可以同时使用except从...

基础知识和详细版可以参考这个https://blog.youkuaiyun.com/piaoxuezhong/article/details/78818572'''pylot使用rc配置文件来自定义图形的各种默认属性，称之为rc配置或rc参数。通过rc参数可以修改默认的属性，包括窗体大小、每英寸的点数、线条宽度、颜色、样式、坐标轴、坐标和网络属性、文本、字体等。https://www.cnblogs...

很不错的参考文章https://blog.youkuaiyun.com/weixin_30949361/article/details/94773923一、定义一个类from layer_utils import *import numpy as npclass TwoLayerNet(object): #初始化参数，w初始化一般小一点 def __init__(self,input...

import numpy as npdef loadDataSet(fileName): dataMat=[] fr=open(fileName) for line in fr.readlines(): curL

#仅供自己学习笔记用主要是前面的img2vector是新的知识点，也许基础知识会，能理解，但是自己写真的能卸出来吗returnVect要先预设 然后往里面装 装的时候是分行读的，要怎么写？ int有注意到吗import numpy as npimport osfrom com.bjsxt.knn.KNNDateOnHand import classify#就是封装好的包呗def ...

02基于傅里叶变换的音乐识别先前我们是把-有特点-的30s给抽取出来了，如果不是可能会带来困难傅里叶变换把时间轴上的数据转变为频率轴上的数据波峰和波谷变换的越快，频率越大应用：识别对于很刺耳的声音还可去噪音不需要了解公式在scipy这个模块下面fft函数#跟先前学的那个....就当复习巩固吧#准备音乐数据import numpy as npfrom sklearn i...

1.简单逻辑回归import numpy as npimport matplotlib.pyplot as pltfrom sklearn.preprocessing import PolynomialFeaturesfrom sklearn.linear_model import LinearRegressionm=100x=6*np.random.rand(m,1)-3y=0....

#内容是给自己看的，会比较杂乱#这里用了之前写过的那个音乐分类的数据和代码变成了多个不相关的分类，看上面的图是变成了选取不同的特征做预测可以是我预测他最后是狗，猫还是狮子，看哪个概率大这里没图了，可以进行升维，时间、经度、维度、高度，目前最多是霍金提出来的1x维多元线性回归（Ridge、Lasso、ElasticNet）是做回归预测的逻辑回归（Logistic Regression）是...

随机梯度下降#!/usr/bin/python# -*- coding: UTF-8 -*-# 文件名: batch_gradient_descent.py#批处理数据下降 参数是 batch size 每次处理一百张照片 stotastic 是随机梯度下降用的更多sgdimport numpy as np__author__ = 'yasaka'X = 2 * np.r...

基础知识参考：https://www.cnblogs.com/huangyc/p/9801261.html公式：https://blog.youkuaiyun.com/xierhacker/article/details/53261008归一化：https://www.cnblogs.com/bonelee/p/7124695.html每一步的θ达到了最优解，下面最低点，那么全局就达到了最优解我写的主...