深度学习
MuNian123
这个作者很懒,什么都没留下…
展开
-
搞懂Transformer结构,看这篇PyTorch实现就够了!
来源 | 哈工大SCIR"Attention is All You Need"[1] 一文中提出的Transformer网络结构最近引起了很多人的关注。Transformer不仅能够明显地提升翻译质量,还为许多NLP任务提供了新的结构。虽然原文写得很清楚,但实际上大家普遍反映很难正确地实现。所以我们为此文章写了篇注解文档,并给出了一行行实现的Transformer的代码。本文档删除了原...翻译 2020-03-07 15:54:44 · 1927 阅读 · 0 评论 -
使用BigQuery和TensorFlow进行需求预测
要开发该模型,我们将需要获得出租汽车使用的历史数据。该数据存在于BigQuery中。让我们通过查看模式开始吧。In [25]: import gcp.bigquery as bq import pandas as pd import numpy as np In [26]: %%bigquery schema --table "nyc...原创 2019-09-29 14:04:16 · 405 阅读 · 0 评论 -
TensorFlow解决MNIST问题
TensorFlow安装Docker是新一代的虚拟化技术,它可以将TensorFlow以及TensorFlow的所有依赖关系统一封装到Docker镜像当中,从而大大简化了安装过程。Docker是可移植性最强的一种安装方式,它支持大部分的操作系统(比如Windows,Linux和Mac OS)。对于TensorFlow发布的每一个版本,谷歌都提供了官方镜像。在官方镜像的基础上,才云科技提供的镜像...原创 2019-09-29 13:34:13 · 243 阅读 · 0 评论 -
tensorflow基础模型之逻辑回归
接上一篇 线性回归,这篇是基础模型中的逻辑回归模型。其中数据来自经典的MNIST手写数字数据集。from __future__ import print_functionimport tensorflow as tf# 导入MNIST数据from tensorflow.examples.tutorials.mnist import input_datamnist = i...原创 2019-06-28 14:48:53 · 177 阅读 · 0 评论 -
tensorflow基础模型之线性回归
基础的线性回归模型。代码如下(已详细注释):from __future__ import print_functionimport matplotlib.pyplot as pltimport numpyimport tensorflow as tfrng = numpy.random# 参数learning_rate = 0.01training_epochs...原创 2019-06-28 14:47:11 · 213 阅读 · 0 评论 -
tensorflow基础模型之RandomForest(随机森林)算法
随机森林算法原理请参照上篇:随机森林。数据依旧为MNIST数据集。代码如下:from __future__ import print_function# Ignore all GPUs, tf random forest does not benefit from it.import osimport tensorflow as tffrom tensorflow....原创 2019-07-03 13:29:20 · 2498 阅读 · 0 评论 -
tensorflow基础模型之KMeans算法
tensorflow执行KMeans算法。代码如下:from __future__ import print_function# Ignore all GPUs, tf random forest does not benefit from it.import osimport numpy as npimport tensorflow as tffrom t...原创 2019-07-03 13:27:05 · 720 阅读 · 0 评论 -
tensorflow基础模型之KNN(最邻近值)算法
KNN算法原理,本文将用tensorflow使用KNN算法训练MINST数据集。Codes:from __future__ import print_function, divisionimport numpy as npimport tensorflow as tf# 导入MNIST数据from tensorflow.examples.tutorials.mnist imp...原创 2019-07-03 13:26:26 · 493 阅读 · 0 评论 -
12种降维技术的全面指南
介绍你曾经做过超过一千个特性的数据集吗?那超过50000个特征的呢?我有,让我告诉你,这是一项非常具有挑战性的任务,特别是如果你不知道从哪里开始!拥有大量的变量既是一种恩惠又是一种诅咒。我们有大量的数据用于分析,但由于大小而具有挑战性。在微观层面上分析每一个变量是不可行的。我们可能需要花上几天或几个月的时间来进行任何有意义的分析,我们将损失大量的时间和金钱来做生意。更不用说这将需要多少计算...原创 2019-06-24 12:50:54 · 5387 阅读 · 0 评论 -
Jupyter Notebook 快速入门
Jupyter Notebook(此前被称为 IPython notebook)是一个交互式笔记本,支持运行 40 多种编程语言。在本文中,我们将介绍 Jupyter notebook 的主要特性,以及为什么对于希望编写漂亮的交互式文档的人来说是一个强大工具。安装$ pip install jupyter运行$ jupyter notebook运行上面的命令之后,...原创 2019-06-24 12:38:40 · 1287 阅读 · 0 评论 -
Keras教程:使用Keras开始深度学习和Python(上)
概述:包括什么内容呢用Keras训练第一个简单的神经网络不需要很多代码,但是我们将慢慢开始,逐步进行,确保您理解如何在自己的自定义数据集上训练网络。我们今天要讨论的步骤包括: 在系统上安装Keras和其他依赖项 从磁盘加载数据 创建训练和测试分支 定义您的Keras模型体系结构 编译你的Keras模型 训练你的训练数据模型 ...原创 2019-06-24 12:30:18 · 2101 阅读 · 2 评论 -
使用Python中的Featuretools实现自动化特征工程的实用指南
任何参与机器学习黑客马拉松和竞赛的人都知道特征工程的重要性。自从我意识到它具有巨大的潜力以来,我一直是特征工程的巨大倡导者。但手动完成时,这可能是一个缓慢而艰巨的过程。我必须花时间集思广益,讨论哪些功能,并从不同的角度分析它们的可用性。现在,整个FE(Feature Engineering,特征工程)流程都可以实现自动化,我将在本文中向您展示。 资料来源:VentureBeat我们将使用名...原创 2019-06-24 12:29:13 · 2493 阅读 · 1 评论 -
深度学习教程 计算视频中演员的屏幕时间
目录表 读取视频和提取帧 如何处理Python中的视频文件 计算屏幕时间 —— 一个简单的解决方案 学习心得——为什么成功了,为什么失败了 读取视频和提取帧听说过翻书吗?如果你没有,你就错过了!看看下面这个:我们在书的每一页都有不同的图像,当我们翻页时,我们得到了鲨鱼舞蹈的动画。你甚至可以称之为一种视频。翻页越快,可视化效果越好。换句话说,...原创 2019-06-24 12:28:14 · 429 阅读 · 0 评论 -
TensorFlow实战:SoftMax手写体MNIST识别
MNIST数据集的下载与重构MNIST是一个入门级的计算机视觉数据集,它包含各种手写数字图片:它也包含每一张图片对应的标签,告诉我们这个是数字几。比如,上面这四张图片的标签分别是5,0,4,1。下载下来的数据集被分成两部分:60000行的训练数据集(mnist.train)和10000行的测试数据集(mnist.test)。正如前面提到的一样,每一个MNIST数据单元有两部分...原创 2019-06-26 13:46:37 · 294 阅读 · 0 评论