Python
AI东海
既要仰望星空,又要脚踏实地,怀着一颗感恩的心出发!
展开
-
python read三种读法
在我们读取文件时经常会遇到read难题,所以我自己总结一下read三种读法:1.read 一次性读取所有文件,将所有文件放到一个字符串变量里2.readline 每次讲一行读入内存3.readlines一次读取文件,然后按行解析成列表原创 2018-01-22 11:24:25 · 10029 阅读 · 0 评论 -
python----贝叶斯优化调参之Hyperopt
Hyperopt库为python中的模型选择和参数优化提供了算法和并行方案。机器学习常见的模型有KNN,SVM,PCA,决策树,GBDT等一系列的算法,但是在实际应用中,我们需要选取合适的模型,并对模型调参,得到一组合适的参数。尤其是在模型的调参阶段,需要花费大量的时间和精力,却又效率低下。但是我们可以换一个角度来看待这个问题,模型的选取,以及模型中需要调节的参数,可以看做是一组变量,模型的质量标准转载 2018-02-06 11:17:53 · 14400 阅读 · 3 评论 -
python中gensim库详解
一、gensim介绍 gensim是一款强大的自然语言处理工具,里面包括N多常见模型: - 基本的语料处理工具 - LSI - LDA - HDP - DTM - DIM - TF-IDF - word2vec、paragraph2vec转载 2018-01-19 16:56:08 · 41601 阅读 · 3 评论 -
python中list具体操作你都熟悉吗?
> List列表转载 2018-01-19 11:44:37 · 218 阅读 · 0 评论 -
keras 深度模型调参
超参数优化是深度学习中的重要组成部分。其原因在于,神经网络是公认的难以配置,而又有很多参数需要设置。最重要的是,个别模型的训练非常缓慢。在这篇文章中,你会了解到如何使用scikit-learn python机器学习库中的网格搜索功能调整Keras深度学习模型中的超参数。阅读本文后,你就会了解:如何包装Keras模型以便在scikit-learn中使用,以及如何使用网格搜索。 如何网格转载 2018-01-17 11:29:48 · 5892 阅读 · 3 评论 -
python 多线程
多进程实践——multiprocessing笔者最近在实践多进程发现multiprocessing,真心很好用,不仅加速了运算,同时可以GPU调用,而且互相之间无关联,这样可以很放心的进行计算。转载 2018-01-19 08:44:39 · 773 阅读 · 0 评论 -
keras 模型、结构、权重的保存
如何将训练好的网络进行保存,我们可以用pickle或cPickle来保存Keras模型,同时我们可以用下面的方法:一、保存整个模型model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含:模型的结构模型的权重训练配置(损失函数,优化器,准确率等)优化器的状态,以便于从上次训练中断的地方 前提是已经安装python的h5py原创 2018-01-25 16:43:07 · 12401 阅读 · 2 评论 -
python if .for 等函数
python中if.for等函数转载 2018-01-17 13:44:11 · 7146 阅读 · 0 评论 -
sklearn 使用技巧
sklearn使用技巧转载 2018-01-17 12:05:34 · 2763 阅读 · 0 评论 -
gensim中word2vec
在word2vec原理篇中,我们对word2vec的两种模型CBOW和Skip-Gram,以及两种解法Hierarchical Softmax和Negative Sampling做了总结。这里我们就从实践的角度,使用gensim来学习word2vec。转载 2018-01-23 17:58:56 · 1187 阅读 · 0 评论 -
深度学习中卷积神经网络(CNN)的参数,你真的都熟悉吗?
随着AI的越来越火热,深度学习中神经网络也受大家的热捧,特殊是运用在图片识别等的CNN,然而大多数人初学者会囫囵吞枣的运用CNN,对于里面的隐含层参数多少、神经元个数多少有这真的熟悉吗? 下面我们一起来了解其中的秘密吧! 首先,我们要熟悉滤波器、卷积层构造等基本知识,特别是滤波器:核的大小和种类。 比如ConV2D(filter,kernel_size,stride原创 2018-01-22 13:35:20 · 7035 阅读 · 0 评论 -
交叉验证
交叉验证转载 2018-02-26 16:11:03 · 4545 阅读 · 0 评论