![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习
coolerzZ
面向搜索引擎算法研究。
展开
-
迁移学习(散乱知识)
1.sess.run() 中的feed_dict:feed_dict的作用是给使用placeholder创建出来的tensor赋值 2.StratifiedShuffleSplit函数的使用 官方文档 用法:from sklearn.model_selection import StratifiedShuffleSplitStratifiedShu...原创 2018-05-03 14:09:23 · 263 阅读 · 0 评论 -
识花模型代码理解
import osimport numpy as npimport tensorflow as tffrom tensorflow_vgg import vgg16from tensorflow_vgg import utilsdata_dir = 'flower_photos/'contents = os.listdir(data_dir)classes = [each for e...转载 2018-05-07 13:52:36 · 794 阅读 · 0 评论 -
关于《Domain Adaptation with Adversarial Training and Graph Embeddings》的理解
使用对抗学习和图像嵌入的域适应学习本文将基于对抗学习和图像嵌入的域适应运用于危机状态下的舆情分析,主要处理的前提是:源域有labeled的数据和unlabeled的数据,而目标域unlabeled。模型则包含基于域适应的对抗学习和基于图像的半监督学习。数据来源是 two real-world crisis datasets collected from Twitter。作者做这个模型的立意是为了能...原创 2018-05-23 17:32:34 · 1890 阅读 · 0 评论 -
《Dropping Networks for Transfer Learning》结论
《Dropping Networks for Transfer Learning》这篇文章前面看了一小部分,综合之前看过的论文,个人有个感觉就是真正的国外学者的英语确实更难一些(读起来真的是费劲,笔者的渣渣英语水平被轰成渣)。所以这里具体内容就不写了,就写一下结论部分。结论一共是4条:1.相对于Bagging神经网络或单神经网络而言,Dropping网络的模型平均特性显示出显著的优势,...原创 2018-06-04 09:35:26 · 255 阅读 · 0 评论 -
阅读理解《Better and Faster: Knowledge Transfer from Multiple Self-supervised Learning Tasks via Graph D》
文章摘要提出要解决Video representation learning问题现存的方法存在两个局限:1)仅仅局限在一个任务,忽视了不同任务特征的补充,因此导致了结果的次优。2)高额的计算和记忆消耗阻碍了在现实情境的应用。而本篇文章提出了一个基于图形的提取框架来处理这些问题:1)提出了 logits graph、 representation graph 来从多个自我监督任务中迁移知识...原创 2018-05-29 17:28:38 · 967 阅读 · 0 评论 -
Embedding Transfer for Low-Resource Medical Named Entity Recognition: A Case Study on Patient ...
preinitialization concatenation原创 2018-07-24 17:35:42 · 272 阅读 · 0 评论 -
《Unsupervised Domain Adaptation with Random Walks on Target Labelings》阅读理解
《Unsupervised Domain Adaptation with Random Walks on Target Labelings》这篇文章用随机漫步的方法来改进无监督域适应算法。本文的摘要中写道:“We cast domain adaptation as the problem of finding stable labels for target examples”,文章将域适应的...原创 2018-08-02 14:21:36 · 495 阅读 · 2 评论