NLP学习历程
文章平均质量分 50
NLP入门到入土
脚踏实地,做好每一件事。
展开
-
RNN 循环神经网络
生活中存在许多与时序有关的数据,需要一个模型能够很好表示这种关系,循环神经网络就诞生了 。数据例如 1).一个句子,词与词之间的先后顺序不同,表达的含义也不同 2).语音信号:传感器采集的声波信号与时间有关 3).视频:每一帧图像的排列顺序 4),股票k线图,气象数据图,辐照数据等 普通RNN的结构:每一个单元的输入包含两部分(一是上一时刻的状态,二是当前时刻的输入)输出也是两部分(当前时...原创 2021-11-30 16:41:08 · 455 阅读 · 0 评论 -
tensorflow.keras实现Inception V3模型
参考简书链接:深度神经网络Google Inception Net-V3结构图 - 简书模型结构如下:代码如下:from tensorflow.keras import Sequential,layers,Model# 处理后的值def my_cnn2d(input_value,my_filters,my_kernel_size,my_strides=1,my_padding='valid'): x=layers.Conv2D(filters=my_filters,ke..原创 2021-11-27 20:58:06 · 872 阅读 · 0 评论 -
tensorflow.keras实现VGGNet-16模型
网络结构:代码实现from tensorflow.keras import Sequential,layersmodel=Sequential()model.add(layers.Conv2D(input_shape=(224,224,3),filters=64,kernel_size=(3,3),activation='relu',padding='same'))model.add(layers.Conv2D(filters=64,kernel_size=(3,3),...原创 2021-11-27 20:46:33 · 341 阅读 · 0 评论 -
tensorflow.keras实现AlexNet模型
AlexNet网络结构:创新点: 1.使用GPU加速 2.使用了ReLU激活函数代码如下from tensorflow.keras import Sequential,layersmodel=Sequential()model.add(layers.Conv2D(filters=96,input_shape=(224,224,3),kernel_size=(11,11),activation='relu',strides=(4,4),paddin...原创 2021-11-27 20:28:31 · 2793 阅读 · 0 评论 -
tensorflow.keras实现LeNet5模型
LeNet网络结构:INPUT:输入图片大小32*32C1层:卷积核大小:6个5×5,feature_map大小:28×28,通道数6S2(subsampling下采样):池化层大小:2×2 步长为2,得到 的feature_map大小:14×14 通道数:6C3层:卷积核大小:16个5×5×6,feature_map大小:10×10,通道数16S4(subsampling下采样):池化层大小:2×2 步长为2,得到 的feature_map大小:5×5通道数:16C5层:...原创 2021-11-27 20:14:50 · 1082 阅读 · 0 评论 -
卷积神经网络CNN
卷积核:用于提取图像的特征,不同的卷积核用来提取不同的图像特征卷积运算:Input ×Kernel(在视野域中按元素对应位置相乘再求和)例如:注意(卷积核使用的参数w是重复使用的)步长(stride):卷积核每次移动的单位数(对于图片就是像素点数)步长为1时,卷积核移动步骤,图解padding(在输入矩阵的上下左右边缘填充0元素的行数)例如padding为1时:绿色的方块即为填充的行 padd...原创 2021-11-27 19:59:03 · 1962 阅读 · 0 评论 -
前馈神经网络
前馈神经网络: 前向传播(FP): 思想:假设只有三层(输入层,隐藏层,输出层) 1.输入层的输出经过激活函数后作为隐藏层的输入, 2.隐藏层的输出经过激活函数后作为输出层的输入 式子: L1=f(W1*X+b1) 输入层 y_hat=f(W2*L1+b2) 输入层 目标函数 min f=sum((y_true-y_hat)**2) 梯...原创 2021-11-23 17:34:34 · 2218 阅读 · 0 评论 -
机器学习学习概述,scikitlearn实现机器学习算法
机器学习基础 数据集分类 训练集:用来训练模型的数据 验证集:用来调整模型的超参数 测试集:用来评估模型的泛化能力(在新的样本集上,模型的表现能力) 误差分析: 误差是指样本预测标签值 和 样本真实标签值 之间的差距 我们要做的就是使误差尽可能的小,这样预测值就很接近真实标签值了 误差分类: 训练误差 泛化误差 测试误差...原创 2021-11-20 22:07:27 · 674 阅读 · 0 评论 -
人工智能发展历程、机器学习分类、人工智能设计到的数学知识
人工智能的发展: 分为三个阶段 1)1956年人工智能诞生。 2)上世纪90年代的专家系统阶段 3)大数据背景下的深度学习神经网络阶段(Alpha go 战胜围棋高手李世石)机器学习的定义: 在数据中获取经验,再通过经验进行预测的行为。机器学习的分类 1)有监督学习 (supervised Learning):数据含有标记,预测结果和标记进行对比误差 -算法:线性回归、SVM(支持向量机)、逻辑回归、决策树、朴...原创 2021-11-17 16:48:22 · 932 阅读 · 0 评论