LaineGates的专栏

今天尝试了下tensorflow自带的tensorboard，简单又好用啊。 大体3步： （1）标识要记录的tensor，常用的两种tf.summary.scalar('scalar-name', scalar-value)用于记录标量，tf.summary.histogram('tensor-name', tensor-value)用来记录张量。还有其他类型，如图片等。使用如下：tf.summ

变量消耗显存不多却显存不足UserWarning: Converting sparse IndexedSlices to a dense Tensor of unknown shape. This may consume a large amount of memory."Converting sparse IndexedSlices to a dense Tensor of unknown s

常见参数说明epoch：整个数据集，通常几个epoch，就会完整跑几轮数据集（但随机取样时不一定会全用） batch:一次训练的数据集大小，常见的128,256,… learning rate:学习速度常见函数说明获取shape值a = tf.Variable([[1,2,3],[4,5,6]],dtype=tf.float32)print(a.shape) p...

关键词End2End, Memory Networks, Multiple hops来源arXiv 2015.03.31 (published at NIPS 2015)特色设计了全新网络，相对于LSTM，以词为单位的时序，memory network是以句子为单位。解决方案原图 加备注图 计算过程按原图lookup词表A获得句子

关键词Bi-GRU, Bi-LSTM, attention sum来源arXiv 2016.03.04 (published at ACL 2016)问题使用带attention的深度模型解决完型填空问题技术细节模型比attentive reader简单，分以下几步：使用双向GRU/LSTM单元计算docment每个词的拼接词向量doc_endcoer