导航

随笔分类 -  keras

keras库的使用

word embeddding和keras中的embedding

摘要：训练好的词向量模型被保存下来，该模型的本质就是一个m*n的矩阵，m代表训练语料中词的个数，n代表训练时我们设定的词向量维度。当我们训练好模型后再次调用时，就可以从该模型中直接获取到对应词的词向量。 通过上面我们可以拿到每个词的词向量，但是我们任务处理时一般是对句子或文本进行操作。当我们拿到一个词向量 阅读全文

posted @ 2018-12-10 11:04 wzd321 阅读(721) 评论(0) 推荐(0)

keras的LSTM函数详解

摘要：转载：https://blog.csdn.net/jiangpeng59/article/details/77646186 核心参数 units： 输出维度 input_dim： 输入维度，当使用该层为模型首层时，应指定该值（或等价的指定input_shape) return_sequences： 阅读全文

posted @ 2018-12-05 15:36 wzd321 阅读(12795) 评论(0) 推荐(1)

keras中调用tensorboard：from keras.callbacks import TensorBoard

摘要：启动：tensorboard --logdir="H:/1/" 阅读全文

posted @ 2018-10-08 09:32 wzd321 阅读(1584) 评论(0) 推荐(0)

因式分解机FM的理论与代码实现

该文被密码保护。

posted @ 2018-10-03 11:03 wzd321 阅读(8) 评论(0) 推荐(0)

BatchNormalization批量归一化

摘要：动机： 防止隐层分布多次改变，BN让每个隐层节点的激活输入分布缩小到-1和1之间. 好处： 缩小输入空间，从而降低调参难度；防止梯度爆炸/消失，从而加速网络收敛. BN计算公式： 参数 axis: 整数，指定要规范化的轴，通常为特征轴。例如在进行data_format="channels_first 阅读全文

posted @ 2018-09-29 22:08 wzd321 阅读(1062) 评论(0) 推荐(0)

激活函数sigmoid、tanh、relu、Swish

摘要：激活函数的作用主要是引入非线性因素，解决线性模型表达能力不足的缺陷 sigmoid函数可以从图像中看出，当x向两端走的时候，y值越来越接近1和-1，这种现象称为饱和，饱和意味着当x=100和x=1000的映射结果是一样的，这种转化相当于将1000大于100的信息丢失了很多，所以一般需要归一化数据。 阅读全文

posted @ 2018-09-26 22:24 wzd321 阅读(6594) 评论(0) 推荐(1)

keras的Embedding层

摘要：输入shape：形如（samples，sequence_length）的2D张量 输出shape：形如 (samples, sequence_length, output_dim) 的3D张量 重要参数 input_dim: 整数，字典长度，即输入数据最大下标+1 output_dim: 整数，代表 阅读全文

posted @ 2018-09-23 22:34 wzd321 阅读(1471) 评论(0) 推荐(0)

keras输出中间层结果，某一层的权重、偏置

摘要：转载：https://blog.csdn.net/hahajinbu/article/details/77982721 from keras.models import Sequential,Modelfrom keras.layers import Denseimport numpy as np 阅读全文

posted @ 2018-09-20 22:11 wzd321 阅读(13217) 评论(1) 推荐(2)

keras开发成sklearn接口

摘要：我们可以通过包装器将Sequential模型（仅有一个输入）作为Scikit-Learn工作流的一部分，相关的包装器定义在keras.wrappers.scikit_learn.py中： 这里有两个包装器可用： 分类器接口：keras.wrappers.scikit_learn.KerasClass 阅读全文

posted @ 2018-09-16 11:09 wzd321 阅读(293) 评论(0) 推荐(0)