lypbendlf - 博客园

2019年3月27日

摘要：转自：http://www.runoob.com/python/python-func-zip.html 1.介绍 zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 阅读全文

posted @ 2019-03-27 12:28 lypbendlf 阅读(222) 评论(0) 推荐(0)

2019年3月26日

DLNg第三周：序列模型和注意力机制

摘要： 1.基础模型将法语翻译为英语，分为编码和解码阶段，将一个序列变为另一个序列。即序列对序列模型。从图中识别出物体的状态，将图片转换为文字。先使用CNN处理图片，再使用RNN将其转换为语言描述。 2.选择最可能的句子 7.注意力模型直观理解绿色部分是输入法语句子并记忆，在感知机中传递，紫色是解码阅读全文

posted @ 2019-03-26 18:45 lypbendlf 阅读(465) 评论(0) 推荐(0)

数据集分布是指什么【转载】

摘要：转自：http://sofasofa.io/forum_main_post.php?postid=1002963 1.对于supervised learning，分布是指关于特征X和结果Y的联合分布F(X,Y)或者条件F(Y|X)。我们说训练集和测试集服从同分布的意思是训练集和测试集都是由服从同一阅读全文

posted @ 2019-03-26 15:57 lypbendlf 阅读(1585) 评论(4) 推荐(0)

2019年3月25日

DL中train\dev\test集

摘要：转自：https://blog.csdn.net/l8947943/article/details/80328721 training set：训练集是用来训练模型的。遵循训练集大，开发，测试集小的特点，占了所有数据的绝大部分。 development set：用来对训练集训练出来的模型进行测试，通阅读全文

posted @ 2019-03-25 21:45 lypbendlf 阅读(311) 评论(0) 推荐(0)

pyc文件是什么【转载】

摘要：转自：https://blog.51cto.com/bella41981/2045108 1.概念 pyc文件是py文件编译后生成的字节码文件(byte code)。pyc文件经过python解释器最终会生成机器码运行。所以pyc文件是可以跨平台部署的，类似Java的.class文件。一般py文件改阅读全文

posted @ 2019-03-25 20:02 lypbendlf 阅读(447) 评论(0) 推荐(0)

Linux下的python等操作【转载】

摘要：转自：https://blog.csdn.net/healthy_coder/article/details/50546384 https://blog.csdn.net/boyun58/article/details/77131489 1.查看已安装的包在命令行下运行$ pydoc module 阅读全文

posted @ 2019-03-25 19:45 lypbendlf 阅读(228) 评论(0) 推荐(0)

tf运作方式之共享变量

摘要：转自：https://docs.pythontab.com/tensorflow/how_tos/variable_scope/ 这个讲的不错，能够更理解tf.get_Variable()了。创建时有name,并且前缀会有当前的scope名。使用它创建变量时，会首先检测有没有出现过。没有显式sco 阅读全文

posted @ 2019-03-25 17:11 lypbendlf 阅读(199) 评论(0) 推荐(0)

tf之get_Variable()

摘要：转自：https://blog.csdn.net/UESTC_C2_403/article/details/72327321 1. tf.get_variable(name, shape, initializer): name就是变量的名称，shape是变量的维度，initializer是变量初始化阅读全文

posted @ 2019-03-25 16:19 lypbendlf 阅读(187) 评论(0) 推荐(0)

tf实现LSTM时rnn.DropoutWrapper

摘要：转自：https://blog.csdn.net/abclhq2005/article/details/78683656 作者：abclhq2005 1.概念介绍所谓dropout,就是指网络中每个单元在每次有数据流入时以一定的概率(keep prob)正常工作，否则输出0值。这是是一种有效的正则阅读全文

posted @ 2019-03-25 15:36 lypbendlf 阅读(2658) 评论(0) 推荐(0)

DLNg改善深层NN：第一周DL的实用层面

摘要： 1.为什么正则化可以减少过拟合？ //答：可以让模型参数变小，减小模型的方差。在损失函数中加入正则项，在正则化时，如果参数lamda设置得足够大，那么就相当于权重系数W接近于0 ，就会减少很多隐藏单元的影响，降低模型的复杂度，将模型从过拟合到欠拟合，当然，其中有一个lamda是使模型处于最优中间状阅读全文

posted @ 2019-03-25 11:51 lypbendlf 阅读(518) 评论(0) 推荐(0)

公告