- 博客(10)
- 资源 (9)
- 收藏
- 关注
原创 第十三课 wide&deep模型
这篇paper很简单,网上也有很多人翻译过来. 使用tensorflow自带的库,其实很简单。有些难点的地方是,关于特征工程部分的理解。请参考 第九课 tensorflow 特征工程: feature_column下面是具体的实践demo:# coding:utf-8"""wide and deep"""from framework.data_input import IDataInputf
2017-10-19 14:39:44 1447
原创 第十二课 tensorflow 使用RNN实现古诗自动生成
上一课中说到RNN的实现原理。这一章,一个古诗生成的demo.输入# coding:utf-8"""数据输入"""import loggingimport collectionsimport jsonimport numpy as npclass PoemInput(object): def __init__(self, poem_file_path, batch_size):
2017-10-18 15:57:18 3658 5
原创 tensorflow 调试技巧汇总
learning rate当发现loss下降,然后又开始上升。很可能是learning rate 到后面太大导致的缘故。 所以应该使用带有衰减效果的learning rate.session.run(tf.assign(learning_rate, 0.002 * (0.97 ** (step // decay_steps))))
2017-10-18 15:43:47 1466
原创 python中文输出
# coding:utfimport jsondef test_dict_output(): a_dict = {'a': u'你好', 'b': u'中国'} a_dict_str = json.dumps(a_dict, ensure_ascii=False).encode('utf-8') print(a_dict_str)def tes
2017-10-16 10:38:30 522
原创 第十一课 tensorflow RNN原理及解析
RNN原理解析RNN的一层结构图如下:W: state 权重U: 输入权重V: 输出权重xt: t个step的输入ht: rnn cell 隐层, 也有的叫st (状态层)ot: 最终的输出yt: 经过soft max之后的分类结果数学关系: 关于维度: * ht维度: 是隐层的数量,也是自定义的, shape=[hn✖️1] * W维度: shape=[hn, hn],才
2017-10-13 15:56:42 1293
原创 tensorflow 特征工程中的combiner
combinercombiner的行为tf.contrib.layers.sparse_column_with_hash_bucket 的参数中有一个combiner. 他的含义是说,当产生稠密向量的时候,使用combiner与权重重重新计算权重,也就是相当于对权重的正则化。举个例子来说,feature A中,包含两个稀疏向量,分别是[0, 1, 0]和[0,0,1] 他们分别对应一个权重0.4和0
2017-10-11 17:32:55 3450
原创 第十课 tensorflow 实现word2vec
精简版本,去掉了各种tsne以及vector可视化的麻烦,直接看到word2vec的训练过程对文本进行预处理也就是将每一个单词转换成一个数字序号,同时将低频词过滤掉,统一使用 UKN来代替.import collectionsimport tensorflow as tfdef pre_process(input_file_path, vocabulary_size, output_file_p
2017-10-10 10:37:12 460
原创 tensorflow 常见错误及解析
Tensorflow 常见错误及解析Attempting to use uninitialized value说明没有初始化变量,可以加入: sess.run(tf.global_variables_initializer()) sess.run(tf.local_variables_initializer())Table not initialized.在使用feat
2017-10-05 16:30:57 4370
原创 第九课 tensorflow 特征工程: feature_column
特征工程: feature_column在使用很多模型的时候,都需要对输入的数据进行必要的特征工程处理。最典型的就是:one-hot处理,还有hash分桶等处理。为了方便处理这些特征,tensorflow提供了一些列的特征工程方法来方便使用.公共的importimport tensorflow as tffrom tensorflow.python.estimator.inputs import
2017-10-05 16:29:10 23044
原创 第八课 tensorflow numpy_input_fn 以及队列性质
numpy_input_fn 以及队列性质该函数的作用是从numpy的输入数据中,产生读取的featrues和labels数据。这样当我们在使用numpy的数据作为输入的时候就很方便。对于所有的input来说,都是要建立队列来进行读入,所以对于队列的处理就会比较麻烦,而numpy_input的数据将这些对队列的输入封装在一起方便了我们使用.import tensorflow as tfimport
2017-10-02 12:58:38 4376
深入浅出iphone编程 (headfirst iphone development)11 chapter
2011-09-05
深入浅出iphone编程 (headfirst iphone development)1-10 chapter
2011-09-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人