导航

随笔分类 -  keras

keras库的使用
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)

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)

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)

该文被密码保护。

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

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)

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)

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)

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)

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)