自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(11)
  • 资源 (5)
  • 收藏
  • 关注

原创 微信小程序之获取当前位置信息

经纬度:wx.getLocation({ success: rse => { console.log(rse.latitude, rse.longitude) } })使用腾讯位置服务获取城市名:利用腾讯地图SDK,使用逆地址解析,具体请看SDK申请开发者密钥(key):申请密钥下载微信小程序JavaScriptSDK,微信小程序Java...

2019-08-31 20:55:42 425

原创 使用CNN卷积神经网络进行情感分析

说先看一下这个图,它大体介绍了CNN的自然语言处理流程:1.首先每个单词对应一行,d=5表示分了5个维度,一般是分128维,300维之类的,这里为了方便,用d=5。这样的话矩阵就是7*52.然后第一步进行卷积的操作,分别使用了四行的卷积核两个,三行的卷积核两个,两行的卷积核两个。然后分别对7*5的矩阵进行卷积,对于7*5的话,4*5放上去可以向下移动4次,所以产生了4*1矩阵(fe...

2019-08-18 14:29:49 7613 3

原创 word2vec的简单示例

按步骤进行分析:第一步:下载数据:from __future__ import absolute_importfrom __future__ import divisionfrom __future__ import print_functionimport tensorflow as tfimport collectionsimport mathimport osimpo...

2019-08-17 22:25:22 4259

原创 超级详细手把手讲解BiLSTM+CRF完成命名实体识别(三)

我们要进行第三个步骤的操作,就是使用test功能,elif args.mode == 'test': ckpt_file = tf.train.latest_checkpoint(model_path) print(ckpt_file) paths['model_path'] = ckpt_file model = BiLSTM_CRF(args, embed...

2019-08-17 09:54:53 4450 6

原创 超级详细手把手讲解BiLSTM+CRF完成命名实体识别(二)

这一次我们讲,当args.mode=‘train’时的情况这次会多执行一个函数## read corpus and get training dataif args.mode != 'demo': # 设置train_path的路径为data_path下的train_data文件 train_path = os.path.join('.', args.train_dat...

2019-08-16 12:32:57 5430 12

原创 超级详细手把手讲解BiLSTM+CRF完成命名实体识别(一)

由于篇幅较大,打算分三篇博客来写,下面是第一部分,即用训练好的模型对句子进行预测。全部代码先放上,然后将过程大体讲解一下:data.pyimport sys, pickle, os, randomimport numpy as np#第一步:数据处理#pikle是一个将任意复杂的对象转成对象的文本或二进制表示的过程。#同样,必须能够将对象经过序列化后的形式恢复到原有的对象...

2019-08-14 19:43:39 21081 14

原创 RNN递归神经网络

一、代码步骤1.导入相应的包import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data2.数据集导入以及其他参数制定#载入数据集mnist=input_data.read_data_sets("MNIST_data/",one_hot=True)#输入图片是28*28...

2019-08-12 15:29:55 327

原创 关于卷积和反卷积

https://blog.csdn.net/gubenpeiyuan/article/details/81266155

2019-08-11 20:15:02 148

原创 卷积神经网络应用于MNIST数据集分类

1.首先导入包import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data2.导入数据以及设置批次#每个批次的大小batch_size=100#计算一共需要多少批次n_batch=mnist.train.num_examples//batch_size3.初始化权值和偏...

2019-08-11 18:19:55 1629

原创 tensorflow之应用tensorboard.plugins.projector实现tensorboard高维向量可视化

1.首先导入响应的包import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data#PROJECTOR用于将高维向量进行可视化,通过PCA,T-SNE等方法将高维向量投影到三维坐标系from tensorflow.contrib.tensorboard.plugins import pr...

2019-08-11 16:35:00 2694 9

原创 有点强的Win10配置TensorFlow_gpu版

之前一直在用tensorflow的cpu版,结果是显而易见的,速度非常慢,另外还可能损坏cpu,于是打算今天整一整tensorflow的GPU版,经过一天的摸索终于安装成功了,具体的过程我在这里跟大家分享一下。#先说一下坑点①首先截止到今天,2019.8.5tensorflow-gpu的最新版1.14版本不支持Cuda的最新版(10.1),所以,一律安装Cuda 的10.0版本,否则枉然。...

2019-08-05 17:19:47 165

bean的生命周期分析(五)

bean的生命周期分析(五)

2023-06-24

迁移学习常用USPS数字数据集

USPS数据集包含0-9十个数字的28*28的图片,通道数为1,可以用于迁移学习,图像识别等。

2021-05-02

mnist_10k_sprite1数字集.zip

一万个手写数字,可用于tensorboard MNIST数据集可视化所需要的图片,用处很多,很广泛,你值得拥有。

2020-02-24

计算机网络实验课码分多址CDMA.代码zip

网上的有关这个实验课的代码都写得不正确,我特意整理了一份,直接可以运行的代码,注释详细,输出人性化看得懂 实验二 CDMA编码 1、实验题目:CDMA编码 2、实验内容: (1) 设全部8比特二进制数集合为M。随机生成8比特码片m1。 (2) 计算与m1正交的所有8比特码片集合M1。 (3) 在集合M-M1中随机选取码片m2。 (4) 计算与m2正交的所有8比特码片M2 (5) 以此类推,计算出所有8比特互相正交的码片集合M1、M2、…… 3、实验报告内容: (1) CDMA信道复用原理。 (2) 随机生成的的5个互不正交的码片M1、M2、M3、M4、M5。 (3) 获取与某个码片正交的全部码片的算法。 (4) 记录与M1正交的码片数量及10个与M1正交的码片,不足10个的记录全部码片,互为反码的记为一个。 (5) 记录与M2正交的码片数量及10个与M2正交的码片,不足10个的记录全部码片,互为反码的记为一个。 (6) 记录与M3正交的码片数量及10个与M3正交的码片,不足10个的记录全部码片,互为反码的记为一个。 (7) 记录与M4正交的码片数量及10个与M4正交的码片,不足10个的记录全部码片,互为反码的记为一个。 (8) 记录与M5正交的码片数量及10个与M5正交的码片,不足10个的记录全部码片,互为反码的记为一个。 (9) 比较与M1、M2、M3、M4、M5正交的码片总数并简单分析原因。

2019-11-01

zhilian1.zip

本爬虫代码使用scrapy框架写成,使用python语言,数据库使用MongoDB(可根据自己需要随意修改),主要用途就是将智联招聘的各种职业,各个城市,所有页码的招聘信息都爬取到数据库中。

2019-08-17

C#winform窗体+socket实现登录通信聊天软件(可私聊与群聊)

提供两个版本:第一个测试版,是可以在一台电脑模拟实现群聊私聊的(由于ip是一样的,所以写死了);第二个是成品,如果要测试的话要找局域网内多台不同的电脑测试(因为用户之间是以IP地址区分的)。压缩包里附有完整且正确的代码以及使用说明文档。

2019-03-06

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除