五步千里-CSDN博客

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 3202 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 7893 5

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 10579 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 21:15:31 945

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 4471 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 1207

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 1155

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 2222 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 21:28:13 325

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 09:41:54 399

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 1096 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 1355

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 09:49:29 509

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 09:47:47 325

五步