12 2021 档案
摘要：获取关于参数的信息 HTTP微框架Bobo有个使用内省函数的例子 # Bobo直到hello需要person参数，并且从HTTP请求中获取它 import bobo @bobo.query('/') def hello(person): return 'Hello %s!' % person bob
阅读全文
摘要：使用不完整的线性自动编码器执行PCA 如果自动编码器仅使用线性激活，并且成本函数是均方误差MSE，则最后执行的是主成分分析（PCA） 以下代码构建了一个简单的线性自动编码器，来对3D数据集执行PCA，将其投影到2D： from tensorflow import keras encoder = ke
阅读全文
摘要：有效的数据表示 你发现以下哪个数字顺序最容易记忆？ 40，27，25，36，81，57，10，73，19，68 50，48，46，44，42，40，38，36，34，32，30，28，26，24，22，20，18，16，14 乍一看，第一个序列似乎应该更容易些，因为它要短得多。但是，如果仔细看第二个
阅读全文
摘要：拟牛顿法（Python实现） 使用拟牛顿法（BFGS和DFP），分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np # import tensorflow as tf d
阅读全文
摘要：共轭梯度法（Python实现） 使用共轭梯度法，分别使用Armijo准则和Wolfe准则来求步长 求解方程 $f(x_1,x_2)=(x_1^2-2)^4+(x_1-2x_2)^2$的极小值 import numpy as np # import tensorflow as tf def gfun(
阅读全文
摘要：最新语言模型的创新 2018年被称为”NLP的ImageNet时刻“：进展惊人，越来越大的LSTM和基于Transformer的架构在庞大的数据集上得到了训练 Matthew Peters撰写的ELMo论文介绍了从语言模型来的嵌入（Embeddings from Language Model，ELM
阅读全文
摘要：注意力机制 这是Dzmitry Bahdanai等人在2014年的突破性论文中的核心思想。他们介绍了一种技术，该技术允许编码器在每个时间步长中专注于适当的单词（由编码器编码）。例如，在编码器需要输出单词'lait'的时间步长上，它会把注意力集中在单词'milk'上。这意味着从输入单词到其翻译的路径变
阅读全文
摘要：重用预训练的嵌入 TensorFlow Hub项目可以轻松地在自己的模型中重用经过预训练的模型组件。这些模型组件称为模块。只需要浏览TF Hub储存库，就能找到需要的，然后将代码示例复制到下项目中，该模块将连同其预先训练的权重一起自动下载并包含在模型中： # 在情感分析模型中使用nnlm-en-di
阅读全文
摘要：掩码屏蔽 模型需要学习应该忽略掉填充令牌。可以设置告诉模型去忽略掉填充令牌，以便它可以专注于实际很重要的数据。实际上这很容易：在创建嵌入（Embedding）层时只需添加mask_zero=True。这意味着所有下游层都将忽略填充令牌（其ID为0） 这种工作方式是Embedding层创建一个等于K.
阅读全文
摘要：情感分析 如果MNIST是计算机视觉的“hello world”，那么IMDB评论数据集就是自然语言处理的“hello world”：它提取了来自著名的互联网电影数据库的50000条英文电影评论（其中25000条用于训练，25000条用于测试），每条评论的简单二元目标值表明了该评论是负面（0）还是正
阅读全文
摘要：从定位参数到仅限关键字参数 Python最好的特性之一是提供了极为灵活的参数处理机制，而且Python3进一步提供了仅限关键字参数（keyword-only argument）。与之密切相关的是，调用函数时使用*和**展开可迭代对象，映射到单个参数 # tag函数用于生成HTML标签；使用名为cls
阅读全文
摘要：函数内省 除了__doc__，函数对象还有很多属性。使用dir函数可以探知factorial具有下述属性： def factorial(n): return 1 if n < 2 else n * factorial(n - 1) dir(factorial) ['__annotations__',
阅读全文
摘要：用户定义的可调用类型 不仅Python函数是真正的对象，任何Python对象都可以表现得像函数。为此，只需要实现方法__call__ # 调用BingoCage实例，从打乱的列表中取出一个元素 import random class BingoCage: def __init__(self, ite
阅读全文
摘要：可调用对象 除了用户定义的对象，调用运算符（即()）还可以应用到其他对象上。如果想判断对象能否调用，可以使用内置的callable()函数。 Python数据模型文档列出了7种可调用对象 1.用户定义的函数 使用def语句或lambda表达式创建 内置函数 使用C语言（CPython）实现的函数，如
阅读全文
摘要：匿名函数 lambda关键字在Python表达式内部创建匿名函数 然后，Python简单的语法限制了lambda函数的定义体只能使用纯表达式。lambda函数的定义体中不能赋值，也不能使用while和try等Python语句 在参数列表中最适合使用匿名函数 # 使用lambda表达式反转拼写，然后依
阅读全文
摘要：模拟生成微软序列号 描述 微软产品一般都一个25位的序列号，是用来区分每份微软产品的产品序列号。产品序列号由五组被“-”分隔开，由字母数字混合编制的字符串组成，每组字符串是由五个字符串组成。如： 36XJE-86JVF-MTY62-7Q97Q-6BWJ2 每个字符是取自于以下24个字母及数字之中的一
阅读全文
摘要：校验身份证号码并输出个人信息 描述 中国目前采用的是18位身份证号，其第7-10位数字是出生年，11-12位是出生月份，13-14是出生日期，第17位是性别，奇数为男性，偶数为女性，第18位是校验位。 如果身份证号码的其中一位填错了（包括最后一个校验位），则校验算法可以检测出来。如果身份证号的相邻2
阅读全文
摘要：高阶函数 接受函数为参数，或者把函数作为结果返回的函数是高阶函数（high-order function）。map函数就是一个，内置函数sorted也是：可选的key参数用于提供一个函数，它会应用到各个元素上进行排序 # 根据单词长度给一个列表排序 fruits = ['strawbery', 'f
阅读全文
摘要：一等函数 在Python中，函数是一等对象。编程语言理论家把“一等对象”定义为满足下述条件的程序实体： 在运行时创建 能赋值给变量或数据结构中的元素 能作为参数传递给函数 能作为函数的返回结果 在Python中，整数、字符串和字典都是一等对象 把函数视作对象 Python函数是对象 # 创建并测试一
阅读全文
摘要：支持字符串和字节序列的双向API 标准库中的一些函数能接受字符串或字节序列作为参数，然后根据类型展现不同的行为。re和os模块中就有这样的函数 正则表达式中的字符串和字节序列 如果使用字节序列构建正则表达式，\d和\w等模式只能匹配ASCII字符；相比之下，如果是字符串模式，就能匹配ASCII之外的
阅读全文
摘要：Unicode文本排序 Python比较任何类型的序列时，会一一比较序列里的各个元素。对字符串来说，比较的是码位，可是在比较非ASCII字符时，得到的结果不如人意。 fruits = ['caju', 'atemoia', 'caja', 'acai', 'acerola'] sorted(frui
阅读全文
摘要：创建训练数据集 首先，使用Keras的get_file()函数来下载莎士比亚的所有作品，并从Andrej Karpathy的Char-RNN项目中下载数据： import tensorflow as tf from tensorflow import keras shakespeare_url =
阅读全文
摘要：处理长序列 在长序列上训练一个RNN，必须运行很多时间步长，从而展开的RNN成为一个非常深的网络。就像任何深度神经网络一样，它可能会遇到不稳定的梯度问题：它可能永远在训练，或者训练可能会不稳定。此外，当RNN处理一个长序列时，它会逐渐忘记序列中的第一个输入。 应对不稳定梯度问题 在深度网络中用于应对
阅读全文
摘要：极值充分条件 设二元函数$f$在点$P_0(x_0,y_0)$的某邻域$U(P_0)$上具有二阶连续偏导数，且$P_0$是$f$的稳定点。则当$H_f(P_0)$是正定矩阵时，$f$在点$P_0$处取得极小值；当$H_f(P_0)$是负定矩阵时，$f$在点$P_0$处取得极大值；当$H_f(P_0)
阅读全文
摘要：只是用位级和逻辑运算，编写一个C表达式，它等价于x==y。当x和y相等时返回1，否则返回0 int main(void) { int x = 32, y = 32; printf("%d\n", !((~x & y) | (~y & x))); //若x与y相等，则对x取反后与y做位与运算全为0，对
阅读全文
摘要：import wx class MyFrame(wx.Frame): def __init__(self, parent, id): super(MyFrame, self).__init__(parent, id, title='用户登录', size=(400, 300)) panel = wx
阅读全文
摘要：循环神经元和层 到目前为止，我们只关注前馈神经网络，其中激活仅在一个方向上流动，从输入层流向输出层。循环神经网络看起来非常像前馈神经网络，除了它还具有指向反向的连接。最简单的RNN由一个神经元接收输入，产生输出并将该输出返送回自身组成。在每个时间步长$t$（也称为帧），该循环神经网络接收输入$x_{
阅读全文
摘要：使用RNN和CNN处理序列 击球手将球击出。外野手立即开始奔跑，预测球的轨迹。他跟踪它，调整自己的运动，最后抓住球。不管你是在听完朋友的话还是在早餐时期待咖啡的味道，预测都是你一直在做的事情。循环神经网络（RNN），这是一类可以预测未来的网络（在一定程度上）。它们可以分析时间序列数据（例如股票价格）
阅读全文
摘要：语义分割 在语义分割中，每个像素根据其所属物体的类别（例如，道路、汽车、行人、建筑物等）进行分类。例如分割图像右侧的所有自行车都变成了一大块像素。此任务的主要困难在于，当图像通过常规CNN时，它们会逐渐失去其空间分辨率（由于步幅大于1的层），因此常规的CNN可能最终会知道在图像的左下角有一个人，但不
阅读全文
摘要：YOLO YOLO是Joseph Redmon等人在2015年的论文中提出的一种极其快速、准确的物体检测架构随后在2016年（YOLOv2）和2018（YOLOv3）中进行了改进。 YOLOv3的架构和全卷积网络的架构非常相似，但有一些重要的区别： 它为每个网格单元输出5个边界框（而不是一个），并且
阅读全文
浙公网安备 33010602011771号