![](https://img-blog.csdnimg.cn/20201014180756916.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
TensorFlow
文章平均质量分 96
朱格羽
这个作者很懒,什么都没留下…
展开
-
R-GCN关系图卷积神经网络实战总结
R-GCN 关系图卷积神经网络链路预测任务论文复现总结今天给大家带来的是R-GCN关系图卷积神经网络实战总结。这篇总结是参考于图神经网络的经典论文 Modeling Relational Data with Graph Convolutional Networks 及作者源码的基础上完成的,使用的脚本语言为python,深度学习框架TensorFlow2.1。开始前的一些说明本论文包含的实际任务有两个,一个实体分类任务(Entity Classification),另一个是链路预测任务(Link Pr原创 2021-04-25 15:59:50 · 5656 阅读 · 15 评论 -
BERT文本相似度实战
BERT文本相似度实战Bert 文本相似度实战(使用详解)参考资料代码准备数据建立config文件run_classifier.py 改造开始实践天天日日夜夜月月日夜近日改天提那天是否Bert 文本相似度实战(使用详解)大家好!其实 BERT 的实战代码已经很多了,也被诸多大佬引用和实验过。这篇主要用来记录自己在使用与处理时注意到的点,私以为比较适合BERT小白快速上手。参考资料这篇笔记主要参考了一个智能客服的项目,项目地址请点击这里。其中主要借鉴了该项目的子项目chatbot_retrieval中原创 2020-06-27 15:13:57 · 8397 阅读 · 22 评论 -
TensorFlow&NLP | 使用tf.keras自定义模型建模后model.summary()中Param的计算过程
摘要当我们使用TensorFlow2.0中keras.layers API进行自定义模型组网时,我们可以通过使用 model.summary()来输出模型中各层的一些信息。输出的图中包含了3列信息,第一列为各层的名称(层的类型,在tf.keras.layers中定义好了);第二层为数据经过每层之后,输出的数据维度;第三列为当前层中共有多少个参数。由于已经有一些讲得较为清楚的博客提到了这些内容,比如:详解keras的model.summary()输出参数Param计算过程该博客中主要讲述了 基础神经网原创 2020-06-08 18:41:29 · 4433 阅读 · 4 评论 -
tf.transpose() 函数与 Tensor 转置操作(参数perm)的解释与思考
今天向各位分享TensorFlow中张量Tensor的转置函数tf.transpose()的用法,重点介绍其参数perm及原理。Tensor 的阶在开始介绍转置函数之前,我们先来看一下Tensor的阶当张量Tensor为一个标量时,即不带方向的纯量,其阶为0;x0 = tf.constant(1)print(x0) # 输出 tf.Tensor(1, shape=(), dtype=int32)当Tensor为一个向量时,如[1, 2, 3]时,其阶为1;x1 = tf.constant原创 2020-06-07 14:44:05 · 1659 阅读 · 2 评论