- 博客(16)
- 收藏
- 关注
RSS订阅原创 pytorch版的bilstm+crf实现sequence label
在理解CRF的时候费了一些功夫，将一些难以理解的地方稍微做了下标注，隔三差五看看加强记忆import torchimport torch.autograd as autogradimport torch.nn as nnimport torch.optim as optimdef to_scalar(var): #var是Variable,维度是１ # returns a python
2017-11-29 14:15:14
13796
3
原创 pytorch的切片
torch.index_select()的示例x = torch.randn(3, 4)print(x)indices = torch.LongTensor([0, 2])y = torch.index_select(x, 0, indices)print(y)z = torch.index_select(x, 1, indices)print(z)运行结果： 另一种示例：embedd
2017-11-25 10:54:48
8856
原创 ubuntu文件的安装
我在安装progressbar的时候出错了，安装命令如下： pip install progressbar 然后出现balabala等一系列错误，在网上找到正确的安装命令，特意放置于此． pip install progressbar2哇，正确安装，毫无问题 http://blog.csdn.net/u012436149/article/details/73173309
2017-11-24 11:22:54
372
原创 sorted函数的理解
在Sorting Keys中：我们看到，此时排序过的L是仅仅按照第二个关键字来排的，如果我们想用第二个关键字 排过序后再用第一个关键字进行排序呢?L = [('d',2),('a',4),('b',3),('c',2)]print sorted(L, key=lambda x:(x[1],x[0]))[('c', 2), ('d', 2), ('b', 3), ('a', 4)]如果代码是这样
2017-11-23 17:00:17
801
原创 pytorch加载已训练好的word-embedding
十一的时候已将pytorch的tutorial看过了，但是并没有用pytorch做什么项目，一直以来都是用tensorflow搭建框架，但是因为其是静态网络，不能处理if…else等等操作，于是转而用pytorch实现，将遇到的一些问题放在此处，因为脑子不好使啊，哈哈 如果是随机初始化的向量，是这么定义的：self.word_embeds = nn.Embedding(vocab_size, em
2017-11-21 18:58:44
16993
4
原创 ubuntu参数的形式
虽然会熟练应用ubuntu系统，但是对其的工作机制，内核等等知道的太少，有时候看到一些关于ubuntu的零星点有种恍然大悟的感觉，又生怕这种感觉随着事件会丢失，所以放到这里一点点积攒，最后在来个大总结． 一：为什么linux中，很多命令都有-r和-f参数，这两个参数有什么具体的意义？ 第一种：参数用一横的说明后面的参数是字符形式。 第二种：参数用两横的说明后面的参数是单词形式。 第三种：参数前有
2017-11-21 15:27:46
604
原创 Tensor, Variable 和Parameter
学习pytorch的过程留意到的三种类型：torch.FloatTensortorch.autograd.variable.Variabletorch.nn.parameter.ParameterTensor的创建：import torchimport torch.autograd as autogradx = torch.randn((2, 2))print(type(x))Tens
2017-11-17 20:41:23
4962
原创 pytorch中next_functions
import torchimport torch.autograd as autograd# Variables wrap tensor objectsx = autograd.Variable(torch.Tensor([1., 2., 3]), requires_grad=True)# You can access the data with the .data attribute#
2017-11-17 20:14:54
2981
2
原创 pytorch中example解析
例子来源于官网60分钟教程中网络搭建部分：import torchimport torch.nn as nnimport torch.nn.functional as Ffrom torch.autograd import Variableclass Net(nn.Module): def __init__(self): super(Net, self).__init__
2017-11-17 20:12:57
1960
原创 CNN和图像的一些概念解释
关于CNN理解的不是很透彻，一旦涉及到处理图像，总有些概念模糊不清，特意在词总结下： 通道：每个卷积核都会将图像生成为另一幅图像。比如两个卷积核就可以将生成两幅图像，这两幅图像可以看做是一张图像的不同的通道。
2017-11-17 14:41:04
631
原创 tf.control_dependencies()和tf.identity()
示例一： 程序运行的结果： 示例二： 运行结果： 仔细观察两个示例的区别，只是第６行代码的不同． 先来说明下第５行：tf.Graph.control_dependencies简单来说就是控制计算顺序。with g.control_dependencies([a, b, c]): # ‘d’ and ‘e’ will only run after ‘a’, ‘b’, an
2017-11-16 19:58:58
394
原创 tf.cond和tf.case
tensorflow的逻辑控制 关于tf.case理解的不是很好： https://stackoverflow.com/questions/41910073/tensorflow-tf-case-f-default-should-do-nothing 待明确后再补充 关于tf.cond，这里给出几个示例，对我来说，例子就是快速明白用法的途径import tensorflow as tfa=
2017-11-16 19:25:53
5361
原创 tf.gather和tf.slice
这两个函数不是很清楚，而且对其的参数理解不好，所以特意做备注，下面的这两个网址给出了很好的解释，待空闲好好整理 关于tf.slice的方法示例import tensorflow as tfimport numpy as npx = [[1, 2, 3], [4, 5, 6], [7, 8, 9],[10, 11, 12]]p = [2, 2, 2]with tf.Session() as se
2017-11-10 14:57:46
2758
原创 机器学习中损失函数常用log的用意
Log Loss 在使用似然函数最大化时，其形式是进行连乘，但是为了便于处理，一般会套上log，这样便可以将连乘转化为求和，由于log函数是单调递增函数，因此不会改变优化结果。因此log类型的损失函数也是一种常见的损失函数． 一些常用的损失函数： (1) Zero-one loss (2) Perceptron loss (3) Hinge loss (4) Log loss (5) S
2017-11-09 14:18:26
10562
1
原创 [EMNLP2017]Adversarial Training for Relation Extraction
多示例学习（multi-instance learning）的概念。在此类学习中，训练集由若干个具有概念标记的包（bag）组成，每个包包含若干没有概念标记的示例。若一个包中至少有一个正例，则该包被标记为正（positive），若一个包中所有示例都是反例，则该包被标记为反（negative）。通过对训练包的学习，希望学习系统尽可能正确地对训练集之外的包的概念标记进行预测，也就是说预测集也是包，对包打上
2017-11-02 15:34:57
2290
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人