- 博客(5)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 Keras实现LLSTM
Keras实现LLSTM(其它网络模型也一样)，就像是在堆积木：#单层LSTMmodel = Sequential()model.add(Embedding(len(words)+1, 256, input_length=maxlen))model.add(LSTM(output_dim=128, activation='sigmoid', inner_activation='hard_sigmoid'))model.add(Dropout(0.5))model.add(Dense(1))m
2021-09-09 14:11:49
1766
原创 理解keras中的sequential模型
keras中的主要数据结构是model（模型），它提供定义完整计算图的方法。通过将图层添加到现有模型/计算图，我们可以构建出复杂的神经网络Sequential模型字面上的翻译是顺序模型，给人的第一感觉是那种简单的线性模型，但实际上Sequential模型可以构建非常复杂的神经网络，包括全连接神经网络、卷积神经网络(CNN)、循环神经网络(RNN)、等等。这里的Sequential更准确的应该理解为堆叠，通过堆叠许多层，构建出深度神经网络如下代码向模型添加一个带有64个大小为3 * 3的过滤器的卷积层:
2021-09-09 10:03:59
3451
原创 python中reshape()的意义
这个方法是在不改变数据内容的情况下，改变一个数组的格式，参数及返回值格式为：numpy.reshape(a,newshape,order)a：数组--需要处理的数据newshape：新的格式--整数或整数数组，如(2,3)表示2行3列，新的形状应该与原来的形状兼容，即行数和列数相乘后等于a中元素的数量order：首先做出翻译：order: 可选范围为{‘C’, ‘F’, ‘A’}。使用索引顺序读取a的元素，并按照索引顺序将元素放到变换后的的数组中。如果不进行order参数的设置，默认..
2021-09-09 09:39:27
918
原创 Python中归一化特征到一定数值区间的函数——MinMaxScaler()
使用MinMaxScaler()需要首先引入包sklearn，MinMaxScaler()在包sklearn.preprocessing下可以将任意数值归一化处理到一定区间。MinMaxScaler()函数原型为：sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)其中feature_range表示归一化范围。copy默认为True，为拷贝属性，默认为True,表示对原数据组拷贝操作，这样变换后元数组不变，
2021-09-09 08:57:51
10504
原创 海明校验码举例
海明校验码举例：编制ASCII字符M的海明校验码。解：M的ASCII码为A6A5A4A3A2A1A0=1001101M为7位那么海明码最少需要2i，也就是说需要，才能表示出来，（23=8）用哪些信息位分别被哪些校验位效验如下图：图1 海明效验码校验位与有效信息位的对应关系根据对应关系，我们可以得到海明效验码校验位的的分组情况：P1:A0,A2,A3,A5,A6...
2019-09-11 12:03:21
2023
中文版完整med2vec医疗知识表示源码.zip
2021-03-17
PR快捷键 方便大家使用
2020-03-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人