当回首往事的时候，不会因虚度年华而悔恨，也不会因碌碌无为而羞愧。

读取数据，本次使用的数据集是英文数据集。都是已经标注好的情感2分类数据集，1为积极，0为消极。三个数据集都存在data文件夹下，需要遍历文件夹取得相应数据集模型中有很多参数，对于参数的不同，都可能提升模型的性能。先定于一个模型架构，定义好相应的参数，构建成函数的形式 create_mode。在对相应的参数来设置一个可变范围例如设定filter的个数，卷积kernel的 长度，文本训练的embeding的大小等。"""调参。......

Keras的CNN、TextCNN文本分类

LSTM实现情感分析

《Tensorflow 从基础到实战》00 常量，会话，变量，矩阵1.张量1.1 固定张量1.2 相似的张量1.3 序列的张量1.4 随机的张量1.4.1真随机1.4.2 正态分布随机张量1.4.3 生成指定区间的随机张量1.4.4 随机打乱1.4.5 随机切片获取部分张量2. 会话2.1 会话的上下文管理器2.2 tf.eval()，tf.InteractiveSession()取值3. 变量与占位符3.1变量3.2 占位符4.矩阵4.1 常见矩阵4.2 对角矩阵4.3 矩阵的基本运算1.张量张量是t

书山有路勤为径，学海无涯苦作舟一、神经网络的图像分类1.1 MNIST的手写图像识别分类的任务导入数据import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_data",one_hot=True)Extracting MNIST_data\train-images-idx3-ubyte.gzExtra

书山有路勤为径，学海无涯苦作舟1.RNN网络2.tensorflow构建mnist-RNN网络2.1导入数据集import tensorflow as tfimport numpy as npfrom tensorflow.contrib import rnnfrom tensorflow.examples.tutorials.mnist import input_datasess = tf.Session()mnist = input_data.read_data_sets('dat

书山有路勤为径，学海无涯苦作舟星光不负赶路人1.神经网络分类任务1.1基础结构import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("data/", one_hot=True)Extracting data/train-images-idx3-ubyte.gzExtracting data/train-labels

书山有路勤为径，学海无涯苦作舟凡我不能创造的，我就不能理解1. 安装与简介1.1 安装在anaconda的promatpip install tensorflow不能安装的话,外部安装网址https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost该网址可以安装tensorflow和其他库，tensorflow必须是64位下好后cd进入该文件的位置，pip安装pip install 文件名版本号tensorflow.versi

书山有路勤为径，学海无涯苦作舟凡我不能创造的，我就不能理解年少不知愁滋味,识尽已过半余生0 吃水不忘挖井人原文链接本文仅仅是对老师的学习总结，深入学习请支持老师的专刊1.基础激励函数2.基础线性预测2.1 定义x与yx_data = np.random.rand(100).astype(np.float32)x_dataarray([0.31643674, 0.41896215, 0.9565355 , 0.26387843, 0.1386797 ,0.7995507