- 博客(5)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 Nematus（三）技巧分析
神经机器翻译工具Nematus Nematus中的技巧分析 1、build_model 解析？build_encoder 解析？目标语言端句子的处理？ build_model 解析，包括 建立编码器，和 建立解码器 建立编码器 x,ctx = build_encoder(tparams,options,trng,use_noise,x_mask,sampl
2018-01-28 20:10:26
1096
原创 Nematus（二）程序运行流程分析
神经机器翻译工具Nematus 程序运行流程分析 nematus/nmt.py/train （程序入口，从此函数开始分析） 1.1 读取源语言和目标语言词汇表 # 获取设置的超参数参数 model_options = locals().copy() print 'Model options:',model_options # 加
2018-01-28 20:09:28
770
原创 Nematus（一）数据预处理与超参数配置
神经机器翻译工具Nematus 代码：https://github.com/czhiming/Nematus 1、数据预处理 ./preprocess.sh 主要流程包括： tokenization（符号化处理） This means that spaces have to be inserted between (e.g.) words and punctu
2018-01-28 20:07:05
1765
转载 numpy.loadtxt
numpy.loadtxt numpy.loadtxt(fname, dtype=<type 'float'>, comments='#', delimiter=None, converters=None, skiprows=0, usecols=None, unpack=False, ndmin=0)[source] Load data from a text file. Each
2018-01-23 22:55:04
974
原创 朴素贝叶斯分类器
《机器学习实战》朴素贝叶斯分类器 贝叶斯准则: p(c|x)=p(x|c)p(c)p(x)（1） p(c|x) = \frac{p(x|c)p(c)}{p(x)}（1） 上式中，cc表示某个具体的类别，xx表示某个样本的特征向量。 问题：对于一个分类问题，给定样本的特征向量x={w1,w2,...,wn}x=\{w_1,w_2,...,w_n\}，预测此样本属于类cc的概率？
2018-01-15 21:33:56
349
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人