摘要：
首先实现parser_transitions.py，接着实现parser_model.py，最后运行run.py进行展示。 1.parser_transitions.py 1.1PartialParse类 1 class PartialParse(object): 2 def __init__(se 阅读全文
摘要：
导入包： 1 import torch 2 import torch.nn as nn 3 import torch.nn.functional as F 4 import torch.utils.data as tud 5 6 from torch.nn.parameter import Para 阅读全文
摘要：
首先实现word2vec.py中的sigmoid函数，和softmax、负采样、skip-gram的损失函数和导数，接着实现sgd.py中的sgd优化器，最后运行run.py进行展示。 1word2vec.py 1.1sigmoid函数 1 def sigmoid(x): 2 """ 3 Compu 阅读全文
摘要：
提前导包： 1 import sys 2 assert sys.version_info[0]==3 3 assert sys.version_info[1] >= 5 4 5 from gensim.models import KeyedVectors 6 from gensim.test.uti 阅读全文
摘要：
1.两者概念理解 2.SVD的使用 np.linalg.svd(a, full_matrices=True, compute_uv=True) 参数： a : 是一个形如(M,N)矩阵 full_matrices：的取值是为0或者1，默认值为1，这时u的大小为(M,M)，v的大小为(N,N) 。否则 阅读全文
摘要：
glove和word2vec是目前最常用的两个训练词向量的模型，两者训练出来的文件都以文本格式呈现，区别在于word2vec包含向量的数量及其维度。 1.gensim加载glove训练的词向量 1 import numpy as np 2 3 import matplotlib.pyplot as 阅读全文
摘要：
提前安装torchtext和scapy，运行下面语句（压缩包地址链接：https://pan.baidu.com/s/1_syic9B-SXKQvkvHlEf78w 提取码：ahh3）： pip install torchtext pip install scapy pip install 你的地址 阅读全文
摘要：
1.nn.LSTM 1.1lstm=nn.LSTM(input_size, hidden_size, num_layers) 参数： input_size：输入特征的维度， 一般rnn中输入的是词向量，那么 input_size 就等于一个词向量的维度，即feature_len； hidden_si 阅读全文
摘要：
1.问题描述 已知[k,k+n)时刻的正弦函数，预测[k+t,k+n+t)时刻的正弦曲线。因为每个时刻曲线上的点是一个值，即feature_len=1，如果给出50个时刻的点，即seq_len=50，如果只提供一条曲线供输入，即batch=1。输入的shape=[seq_len, batch, fe 阅读全文
摘要：
1.词嵌入 nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, sparse=False, _weight=None 阅读全文