qiqiaiairen的博客

转载 tf.nn.conv2d()

tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, name=None)根据4维的input和filter张量计算2维卷积input张量[batch, in_height, in_width, in_channels]filter/kernel 张量[filter_

转载 sotmax-regression

#!/usr/bin/env python# coding=utf-8import tensorflow as tfimport input_mnistmnist=input_mnist.read_data_sets("mnist-data/",one_hot=True)print mnist.train.images.shapeprint mnist.train.labels.

转载 python gzip

gzip--支持gzip文件源文件：Lib/gzip.py这个模块提供了一些简单的接口来对文件进行压缩和解压缩，类似于GUN项目的gzip和gunzip.在gzip模块定义了一些方法：gzip.open(filename, mode='rb', compresslevel=9, encoding=None, errors=None, newline=None)打开一个gzip已

转载 python os.stat()

stat 系统调用时用来返回相关文件的系统状态信息的。stat中的属性>>> import os>>> print os.stat("/root/python/zip.py")(33188, 2033080, 26626L, 1, 0, 0, 864, 1297653596, 1275528102, 1292892895)>>> print os.stat("/root/python

转载 Python urllib的urlretrieve()函数解析

urllib模块提供的urlretrieve()函数。urlretrieve()方法直接将远程数据下载到本地。urlretrieve(url, filename=None, reporthook=None, data=None)参数filename指定了保存本地路径（如果参数未指定，urllib会生成一个临时文件保存数据。）参数reporthook是一个回调函数，当连接上服务器、以

转载 Python os.path模块

os.path.abspath(path) #返回绝对路径os.path.exists(path) #路径存在则返回True，路径损坏返回Falseos.path.join(path[, path2[, ...]]) #把目录和文件名合成一个路径操作文件和目录操作文件和目录的函数一部分放在os模块中，一部分放在os.path 模块中。查看、创建和删除目录可以这么调用。#!/

转载 @property 装饰器

#!/usr/bin/env python# coding=utf-8class Student(object): def get_score(self): return self._score def set_score(self,value): if not isinstance(value,int): raise

转载 vim在同一个窗口同时编辑多个文件

转载：http://blog.chinaunix.net/uid-28253945-id-3393428.html如果在终端中没有打开vim横向分割显示：$ vim -o filename1 filename2纵向分隔显示：$ vim -O filename1 filename1如果已经用vim打开了一个文件，想要在窗口中同时再打开另一个文件横向分割显示:sp filena

转载 类 OOP

类和实例的主要差异在于，类是一种产生实例的工厂。类和模块的一个差异：内存中特定模块只有一个实例（所以我们得重载模块以取得其新代码），每个模块只有一个副本会导入某一个程序中（事实上，我们必须调用reload来更新单个模块对象，反映出来对该模块的修改，这就是原因之一），但是，对类而言，只要有需要，制作多少实例都可以。Python把隐含的实例传进方法中的第一个特殊的参数，习惯上将其称为self

转载 linear-regression

#!/usr/bin/env python# coding=utf-8import tensorflow as tfimport numpy as npimport matplotlib.pyplot as pltnum_points=1000vectors_set=[]for idx in range(num_points): x1=np.random.normal(

转载 logistic-regression

#!/usr/bin/env python# coding=utf-8import numpy as npnum_points=100vectors_set=[]for idx in range(num_points): x1=np.random.normal(0.0, 1) y1=1 if x1*0.3+0.1+np.random.normal(0.0,0.3)>

转载 Tensor

tf.Tensor.get_shape()返回一个tensor的shape。不需要启动Session，就可以返回tensor的shape信息。这可以帮助我们调试，提早发现错误信息。#!/usr/bin/env python# coding=utf-8import tensorflow as tfc=tf.constant([[1.0,2.0,3.0],[4.0,5.0,6.0]])

转载 matplotlib-legend()

legend()显示图例legend基础函数原型 legend(*args, **kwargs)当len(args)==2 args是[artist]和[label]的集合当len(args)==0 args会自动调用get_legend_handles_labels()生成等价于handles, labels=ax.get_legend_handles_labels()

转载 range和xrange

range()返回的是一个列表，一次性计算并返回所有的值。xrange是一个类，返回的是一个xrange对象（返回的是一个迭代器）。使用xrange()进行遍历，每次遍历只返回一个值。因此xrange()的执行效率要高于range()#!/usr/bin/env python# coding=utf-8x=range(0,8)print xy=xrange(0,8)print y

转载 随机训练

使用一小部分的随机数据来进行训练被称为随机训练（stochastic training），在这里更确切的说是随机梯度下降训练。在理想情况下，我们希望用我们所有的数据来进行每一步的训练，因为这能给我们更好的训练结果，但显然这需要很大的计算开销。所以，每一次训练我们可以使用不同的数据子集，这样做既可以减少计算开销，又可以最大化地学习到数据集的总体特性。

转载 embedding_lookup

#!/usr/bin/env python# coding=utf-8import numpy as npimport tensorflow as tfsess=tf.InteractiveSession()embedding=tf.Variable(np.identity(5,dtype=np.int32) )input_ids=tf.placeholder(dtype=tf.i

原创 自然语言处理会议

CCLCCL2016：http://www.cips-cl.org/static/CCL2016/index.htmlCCL2016论文下载：http://www.cips-cl.org/static/anthology/CCL-2016/CCL2016.htmlCCL2015论文下载：http://www.cips-cl.org/static/CCL2015/paper_accept

转载 RNN-LSTM

转载 tensorflow-Constants, Sequences, Random Values

tf.random_uniform( shape, minval=0, maxval=None, dtype=tf.float32, seed=None, name=None )均匀分布#!/usr/bin/env python# coding=utf-8import numpy as npimport tensorflow as tfvar = tf.Variable(tf.r

原创 tensorflow学习资料

tensorflow API :https://github.com/tensorflow/tensorflow/blob/master/tensorflow/g3doc/api_docs/python/index.md

原创 numpy.random

numpy.random.rand返回指定维数的服务0-1均匀分布的随机矩阵。#!/usr/bin/env python# coding=utf-8import numpy as npimport tensorflow as tfa=np.random.rand(3, 2)print a

转载 Linux查看cpu-物理个数和逻辑个数

查看cpu情况cat /proc/cpuinfoprocessor : 0vendor_id : GenuineIntelcpu family : 6model : 61model name : Intel(R) Core(TM) i5-5200U CPU @ 2.20GHzstepping : 4microcode : 0x16cpu MHz : 2499.921ca

原创 Numpy reshape用法

reshpae，是数组对象中的方法，用于改变数组的形状。二维数组#!/usr/bin/env python# coding=utf-8import numpy as npa=np.array([1, 2, 3, 4, 5, 6, 7, 8])print ad=a.reshape((2,4))print d三维数组#!/usr/bin/env python#

原创 ubuntu14.04 使用git

创建SSH Key由于你的本地Git仓库和Github 仓库之间的传输是SSH加密的，所以需要一点设置：ssh-keygen -t rsa -C "youremail@domain.com"然后一路回车。如果一切顺利的话，可以在用户主目录里找到.ssh目录，里面有id_rsa 和 id_rsa.pub 两个文件，这两个就是SSH Key的秘钥对，id_rsa 是私钥，不能泄露出去， id_

原创 ubuntu14.04安装git

git的安装方法有两种：一种是直接通过ubuntu的apt安装，这种方法最简单，缺点是版本可能不是最新的。所以还有另一种方法是下载源码进行安装，这种能安装到最新的版本。apt安装sudo apt-get updatesudo apt-get install git然后配置自己的git 账号信息，这样才能进行相关的操作：git config --global user.name "