Simbanana

摘要： 线性回归 输入与输出符合线性关系 定义损失函数，损失函数是点（输入 ，标签）到直线的距离表示，越小越好 通过梯度下降的方法，求解最优参数 是一个迭代更新的过程 属于监督学习 逻辑回归 输入属于与输入不符合线性关系 标签为0-1 只能通过梯度下降来求最优参数 分类任务， GBDT （梯度提升决策树） 阅读全文

摘要： ####sklearn.model_selection.split模块 将模型分割，eg.数据集与验证集 ####Keras分词器 Tokenizer 测试的时候由于版本问题，导包要在Keras前面家tensorflow. Tokenizer中ovv以及其它参数的使用案例 ####序列预处理pad_ 阅读全文

摘要： from collections import Counter from contextlib import contextmanager import copy from functools import partial from itertools import chain from multi 阅读全文

摘要： ##任务的目的 ###原文表述 Jigsaw Unintended Bias in Toxicity Classification Training a model from data with these imbalances risks simply mirroring those biases 阅读全文

摘要： 通过anaconda创建了新的环境后，进入新的环境，通过pip命令安装依赖的包，安装的位置为：/opt/anaconda3/envs/tf2/lib/python3.8/site-packages，即anaconda目录下，对应环境里，python3.8（根据python版本确定）下的site-pa 阅读全文

摘要： ##目的： ####将输入的语句，换一种形式输出，不改变原有的意思 ##过程： ####数据预处理： 分为两个字典 待翻译字典 翻译后的字典 下标-to-字符 字符-to-下标 两个长度 Tx:待翻译句子的最大长度，小于则用做填充，大于则截取，一般选取词典的大小 Ty:f翻译后语句的长度，通过需求设 阅读全文

摘要： #####目的：通过输入目标语句，输出对应的表情 过程： 1、计算句子的平均词向量 传入：目标句子、词向量词典 将目标句子进行分词处理 将每个词的词向量累加并基数，再求平均 输出：输出平均词向量 2、训练模型 传入（训练集，标签集，词向量词典，学习率，迭代次数） 输出（预测的概率集合， softMa 阅读全文

摘要： 1、导包 2、加载词向量 3、词嵌入向量--独热编码 4、余弦相似度的（图一） 通过点乘完成二范式的计算（针对一维向量可以实现） 练习一 5、词类推任务 练习二 函数 推理（三个词、一个词嵌入字典） 将词转换成小写 得到对应的词嵌入向量 得到字典中的所有词 设置初始相似度值以及最优解 遍历整个字典 阅读全文

摘要： #####加载生语料，并进行预处理，使之成为可供模型训练的“值” #####输入：X ( m , Tx , n ) m表示样本的个数 Tx表示有多少时间步（一个样本被分成了多少个部分 n表示有多少个候选项（所有音符） #####与恐龙名字对比： 初始化： 生成音乐：X初始化为非0向量，因为音乐是从片 阅读全文

摘要： ##1、打开数据集 读取恐龙名字，并创建字符列表 创建 char_to_ix 与 ix_to_char，作用：将softmax结果转换成字母 ##2、初始化参数 输入X 0向量 隐藏层状态a 0向量 循环： 前向传播计算损失 反向传播计算关于损失的梯度 修剪梯度以免梯度爆炸 用梯度下降更新规则更新参 阅读全文