renxingkai的博客

最近撸完了《Python深度学习》，对深度学习又加深了认识，“深度学习真的是一门艺术”，以下是原书第9章的总结部分，很多heuristic知识都是前人总结下来的，个人觉得很有借鉴意义，因此mark下。首先，我们来快速看一下输入模式与适当的网络架构之间的对应关系。向量数据：密集连接网络（ Dense 层）。图像数据：二维卷积神经网络。声音数据（比如波形）：一维卷积神经网络（首选）或循环神经...

mark一下:from keras.utils.vis_utils import model_to_dotfrom IPython.display import SVG#model即为要可视化的网络模型SVG(model_to_dot(model).create(prog='dot', format='svg'))demo效果如下：...

本实验，是用BERT进行中文情感分类，记录了详细操作及完整程序，代码链接，喜欢的话给个star哟(凑不要脸~)本文参考奇点机智的文章，记录自己在运行BERT中的一些操作。BERT的代码同论文里描述的一致，主要分为两个部分。一个是训练语言模型（language model）的预训练（pretrain）部分。另一个是训练具体任务(task)的fine-tune部分。在开源的代码中，预训练的入口是...

Visdom是一个灵活的可视化工具，可以实时显示新创建的数据，支持Torch和Numpy，是深度学习框架PyTorch的可视化工具，做出的图像也较为美观，本文总结了Visdom的基础画图操作。安装方式在Python3环境下，使用pip直接安装Visdom模块。pip install visdom然后命令行启动服务器python -m visdom.server一旦启动了服务器后，就...

今日，“机器之心”公众号刷爆了超强小姐姐陈丹琦的文章，笔者前两天也刚看了小姐姐的论文，当时无意中点开开源的github链接，发现小姐姐一路绿灯的github也是十分敬佩！再放一张小姐姐的主页图片，再次膜拜下~小姐姐做的方向是机器阅读理解和智能问答(QA)，博主也看了一段时间的该方向论文，现在来聊一聊机器阅读理解中的世界~阅读理解，其实我们大家从小到大都在做，从语文阅读理解到英语阅读理解，...