卑微前行

卷积的乘法和矩阵的乘法不一样，卷积的求和相当于加权求和，也可以称为加权叠加，矩阵相乘是将一个m×n的矩阵就是m×n个数排成m行n列的一个数阵。卷积乘法示例：             3 * 3 的像素区域R与卷积核G的卷积运算：              R5(中心像素)=R1G1 +R2G2 + R3G3 + R4G4 + R5G5 + R6G6 + R7G7 + R8G8 + R9G9    ...

简单来说就是用一个卷积核来和一个图像来进行卷积，记住是同一个卷积核，不改变卷积核的值。这样可以减少权值参数。共享就是一个图片对卷积核是共同享有的。对于一个100*100像素的图像，如果我们用一个神经元来对图像进行操作，这个神经元大小就是100*100=10000，单如果我们使用10*10的卷积核，我们虽然需要计算多次，但我们需要的参数只有10*10=100个，加上一个偏向b，一共只需要101个参数...

    Google不愧为大佬，给我们这些小（穷）白（鬼）开放了一个Gpu的端口，让我们的体会了一下GPU的速度。本人亲测，我的代码在我的笔记本上跑了20分钟，但上传到Colaboratory上只需要3分钟就可以给我答案。但Colaboratory并不是那么简单，我研究了一天，终于找到了一些技巧，特意记录下来。  Colaboratory是谷歌云盘的一个工具，谷歌官方给出的解释是“Colabora...

一、卷积对图像（不同的数据窗口数据）和滤波矩阵（一组固定的权重：因为每个神经元的多个权重固定，所以又可以看做一个恒定的滤波器filter）做内积（逐个元素相乘再求和）的操作就是所谓的『卷积』操作，也是卷积神经网络的名字来源。如图所示，1*1+1*0+1*1+0*0+1*1+1*0+0*1+0*0+1*1=4，所以对原图片进行卷积后的第一个值为4，后面也一样。那个乘以原图片的矩阵叫做卷积核，具体用来...

本来准备这个暑假好好复习，但学校安排暑期实践，既然学校安排这个，而且我自己也觉得需要提高一下自己的能力，所以静下心来做点事吧。我们要做到项目是分析北京地区的租房的信息分析。我们需要做的是爬取链家网站上北京地区的租房信息。链家作为国内比较出名的房地产中介公司，发布的房地产租房信息还是不叫权威的。我们需要做的分为两步：找到各个租房页面的链接，爬取每个租房页面的数据。第一步找到每个租房页面的链接，北京地...

我在训练最大熵模型时，遇到错误x["index"] = range(len(x))xdic = x.set_index("index").T.to_dict("list")train = []for i in range(len(xdic)):    train.append((xdic[i], y[i]))classifier = MaxentClassifier.train(tr...

实训结束有段时间啦，我准备吧实训的所有的东西整理整理，然后安心复习考研。前面我将所有的评论把各个网站的旅游数据给扒了下来，文章链接：百度旅游、大众点评、驴妈妈、猫途鹰、携程关于评论的爬虫总结（附源码）。我们将所有扒了下来之后数据整理之后的数据截图如下：我们训练好的模型截图为（因为训练好的模型大概有500MB，无法用记事本打开，所以只能用python读取之后截图）        ...

前面我们已经训练好词向量了，利用Word2vec将旅游评论数据转化为词向量，这篇文章主要介绍用最大熵模型训练我们上文得到的词向量。最终代码已上传到github上，传送门​​​​​​​一、读取数据读取上一级的得到的词向量，并划分测试集合训练集，具体代码如下：print ("读取数据")df = pd.read_csv(r"E:\shixun\vvvv.csv")df.filln...

前面我们已经训练好词向量了，利用Word2vec将旅游评论数据转化为词向量，也有用最大熵模型来训练模型，利用最大熵模型来训练词向量，这次我们试着用KNN和贝叶斯来做。其实也就是调模型，也没有技术含量，所以直接上代码吧，不解释。print("knn")neigh = KNeighborsClassifier(n_neighbors=3)neigh.fit(x_train, y_train)...