摘要：
官方参数解释： Convolution 2D tflearn.layers.conv.conv_2d (incoming, nb_filter, filter_size, strides=1, padding='same', activation='linear', bias=True, weigh 阅读全文
posted @ 2017-11-28 10:16
bonelee
阅读(6818)
评论(0)
推荐(0)
摘要：
Embedding tflearn.layers.embedding_ops.embedding (incoming, input_dim, output_dim, validate_indices=False, weights_init='truncated_normal', trainable= 阅读全文
posted @ 2017-11-27 15:51
bonelee
阅读(47161)
评论(1)
推荐(1)
摘要：
基本思路： 每个评论取前200个单词。然后生成词汇表，利用词汇index标注评论（对 每条评论的前200个单词编号而已），然后使用LSTM做正负评论检测。 代码解读见【【【评论】】】！embedding层本质上是word2vec！！！在进行数据降维，但是不是所有的LSTM都需要这个，比如在图像检测m 阅读全文
posted @ 2017-11-27 14:28
bonelee
阅读(5482)
评论(7)
推荐(0)
摘要：
转自：https://www.zhihu.com/question/50030898/answer/235137938 如何比较Keras, TensorLayer, TFLearn ？ 这三个库主要比的是API设计水平，不得不说原始的 Tensorflow API的确反人类，我承认它的完善、表达能 阅读全文
posted @ 2017-11-27 13:02
bonelee
阅读(1123)
评论(2)
推荐(0)
摘要：
TensorFlow高层次机器学习API (tf.contrib.learn) 1.tf.contrib.learn.datasets.base.load_csv_with_header 加载csv格式数据 2.tf.contrib.learn.DNNClassifier 建立DNN模型(class 阅读全文
posted @ 2017-11-27 11:52
bonelee
阅读(1835)
评论(0)
推荐(0)
摘要：
循环神经网络 介绍 可以在 this great article 查看循环神经网络(RNN)以及 LSTM 的介绍。 语言模型 此教程将展示如何在高难度的语言模型中训练循环神经网络。该问题的目标是获得一个能确定语句概率的概率模型。为了做到这一点，通过之前已经给出的词语来预测后面的词语。我们将使用 P 阅读全文
posted @ 2017-11-27 11:00
bonelee
阅读(2254)
评论(0)
推荐(0)
摘要：
MNIST机器学习入门 这个教程的目标读者是对机器学习和TensorFlow都不太了解的新手。如果你已经了解MNIST和softmax回归(softmax regression)的相关知识，你可以阅读这个快速上手教程。 当我们开始学习编程的时候，第一件事往往是学习打印"Hello World"。就好 阅读全文
posted @ 2017-11-27 10:41
bonelee
阅读(930)
评论(0)
推荐(0)
摘要：
简介 本章的目的是让你了解和运行 TensorFlow! 在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的印象. 这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它. 疑问：底层如何运作？ 难道自动感 阅读全文
posted @ 2017-11-27 09:34
bonelee
阅读(4094)
评论(0)
推荐(0)
摘要：
tf.placeholder(dtype, shape=None, name=None)此函数可以理解为形参，用于定义过程，在执行的时候再赋具体的值参数： dtype：数据类型。常用的是tf.float32,tf.float64等数值类型 shape：数据形状。默认是None，就是一维值，也可以是多 阅读全文
posted @ 2017-11-27 09:20
bonelee
阅读(5822)
评论(0)
推荐(0)
摘要：
ES业界优秀案例汇总 携程 LinkedIn Etsy国外电商CPU(vCore) 70*32 1000*12 4200单日索引数据条数 600亿 500亿 100亿单核处理数据性能/天 2600万/vCore 416万/vCore 238万/vCore单日存储数据量 25T 500-800T 1. 阅读全文
posted @ 2017-11-25 14:20
bonelee
阅读(2447)
评论(28)
推荐(0)
浙公网安备 33010602011771号