- 博客(14)
- 收藏
- 关注
原创 神经网络在智能摘要中应用
前段时间,因为工作需要,对智能摘要做了调研,主要集中在神经网络方法,主要方法是生成式 abstract方法,应用seq2seq生成居多。 文章主要分五个部分: 1. 开放数据 2. 智能摘要形式 3. 评价指标 4. 模型发展 5. 参考文献一、开放数据集 DUC, Daily Mail/CNN, Gigaword, LCSTS(唯一中文微博标题生成语料)[1]二、...
2018-08-22 21:37:36 3220 1
原创 使用RNN进行文本分类 python代码实现
1、本博客项目由来是oxford 的nlp 深度学习课程第三周作业,作业要求使用LSTM进行文本分类。和上一篇CNN文本分类类似,本此代码风格也是仿照sklearn风格,三步走形式(模型实体化,模型训练和模型预测)但因为训练时间较久不知道什么时候训练比较理想,因此在次基础上加入了继续训练的功能。 2、构造文本分类的rnn类,(保存文件为ClassifierRNN.py) 2.1 相应配置参数因
2018-01-15 23:51:05 7936 5
原创 使用CNN进行文本分类代码实现
1、因为最近学习牛津大学的深度学习nlp课程,练习nlp文本分类,便进行了相应的调研,在课件中进行了全连接神经网络的文本分类,rnn文本分类。作者在之后也上网查看资料,了解到CNN在文本分类中发展很快,于是打算实现一个CNN文本分类的算法,查看资料,主要参考如下博文:http://www.wildml.com/2015/12/implementing-a-cnn-for-text-classifi
2018-01-10 21:37:43 10608 3
原创 tensorflow模型的自动加载
最近写了个CNN文本分类的程序,仿照scikit-learn的方式进行封装,代码的形式如下:class TextCNN(object): def __init__(self): pass def fit(self,data): pass def load_model(self): pass def predic
2018-01-10 21:15:31 951
原创 deeplearning.ai 第四课第二周 resnet 50层神经网络实现
1、导入函数库:import numpy as npfrom keras import layersfrom keras.layers import Input, Add, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2D, AveragePooling2D, MaxPooling2D, GlobalMax
2017-12-20 11:21:24 4498 4
原创 deeplearning.ai 第四课第二周,keras导航
1、函数库导入:(案例是一个happyhouse案例)import numpy as npfrom keras import layersfrom keras.layers import Input, Dense, Activation, ZeroPadding2D, BatchNormalization, Flatten, Conv2Dfrom keras.layers import Ave
2017-12-20 11:06:06 1213
原创 deeplearning.ai 第四课第一周, 卷积神经网络的tensorflow实现
1、载入需要模块和函数:import mathimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport scipyfrom PIL import Imagefrom scipy import ndimageimport tensorflow as tffrom tensorflow.python.framew
2017-12-19 21:16:00 1168
原创 deeplearning.ai 第四课第一周,step by step 卷积神经网络的python实现
1、填充零的padding函数实现# GRADED FUNCTION: zero_paddef zero_pad(X, pad): """ Pad with zeros all images of the dataset X. The padding is applied to the height and width of an image, as illustrated
2017-12-19 21:05:25 2234 1
原创 第二课第三周 deeplaerning.ai编程实现
前面该课程关于tensorflow的具体函数填写已经不再细说,在本程序中,仅仅包含的是第二个关于用tensorflow实现一个图片手势判断的三层多分类神经网络,该次代码分为两个部分,第一部分是原有代码,存在文件tf_utils.py中,第二部分代码时编程作业的实现。第一部分代码如下:import h5pyimport numpy as npimport tensorflow as tfimp
2017-12-14 21:28:13 333
原创 deelplearning.ai 第二课第二周作业代码
1、将如下代码段保存成optim_utils.py (其用于本此作业的函数主要有:mini_init,random_mini_batches,initialize_velocity,initialize_adam,update_parameters_with_momentum,update_parameters_with_adam)。实现的主要功能是:batch gradient descent,
2017-12-13 09:41:54 410
原创 deeplearning.ai 课后习题第二课第一周,初始化、加惩罚項(梯度检查后加)
1、将下面的代码段保存成base_utils.py 文档,用于初始化和L2 惩罚以及dropout方法的文件import numpy as npimport matplotlib.pyplot as pltimport h5pyimport scipy.ioimport sklearn.datasetsimport sklearn.linear_model#%matplotlib inl
2017-12-13 09:23:19 1106 2
原创 深度学习第一课 第四周 深层神经网络用python的实现
本文用吴恩达deeplearning.ai里的数据进行训练,相应的习题如下,写出一个n层的deeplearning程序,相应程序结构如图片所示: 将数据进行分类: parameters:W,bcache: Z,A, gradients: dZ,dA,dW,db
2017-12-09 21:24:30 1427
原创 吴恩达 深度学习第三周 浅层神经网络 logistic_regression python代码实现
import numpy as npimport matplotlib.pyplot as pltimport pandas as pd#%matplotlib inlinefrom sklearn.datasets import load_irisfrom sklearn.model_selection import train_test_splitiris = load_iris()
2017-12-07 09:49:29 521
原创 吴恩达 机器学习第二周 logistic_regression 单层网络梯度下降法实现
本文是作者学习吴恩达深度学习课程时,所写的编程作业,请多交流
2017-12-07 09:47:47 340
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人