深度学习
文章平均质量分 84
thriving_fcl
这个作者很懒,什么都没留下…
展开
-
Tensorflow实现卷积神经网络,用于人脸关键点识别
菜鸟如何用tensorflow实现一个卷积神经网络来识别人脸关键点原创 2016-03-16 22:23:53 · 44455 阅读 · 70 评论 -
强化学习入门学习记录
RL属于机器学习中比较有意思的一个领域,监督学习、无监督学习都是一堆静止的数据去训练模型,而强化学习是让模型与环境的交互中进行学习,让人感觉更像一种有智慧的生物(然而并不是)。原创 2017-05-06 16:35:07 · 2004 阅读 · 1 评论 -
用于文本分类的RNN-Attention网络
这篇博客主要介绍Attention机制在文本分类任务上的作用,原理以及附带的代码实现。原创 2017-06-17 15:51:15 · 30708 阅读 · 4 评论 -
使用TensorFlow动手实现一个Char-RNN
Char-RNN非常有意思,想要深入了解最好的方式就是用自己最喜欢的工具动手实现一遍。原创 2017-05-19 20:56:50 · 9595 阅读 · 5 评论 -
用于文本相似的Siamese Network
Siamese Network简介Siamese Network 是一种神经网络的框架,而不是具体的某种网络,就像seq2seq一样,具体实现上可以使用RNN也可以使用CNN。简单的说,Siamese Network用于评估两个输入样本的相似度。网络的框架如下图所示Siamese Network有两个结构相同,且共享权值的子网络。分别接收两个输入X1X_1与X2X_2,将其转换为向量Gw(X1)G_原创 2017-06-25 23:00:45 · 15399 阅读 · 12 评论 -
带Attention机制的Seq2Seq框架梳理
根据论文Neural Machine Translation By Jointly Learning to Align and Translate把带Attention机制的Seq2Seq框架Encoder与Decoder部分的流程图画了一下,公式梳理了一遍。原创 2017-07-08 22:42:26 · 12710 阅读 · 2 评论 -
TensorFlow saved_model 模块
saved_model模块主要用于TensorFlow Serving。TF Serving是一个将训练好的模型部署至生产环境的系统,主要的优点在于可以保持Server端与API不变的情况下,部署新的算法或进行试验,同时还有很高的性能。保持Server端与API不变有什么好处呢?有很多好处,我只从我体会的一个方面举例子说明一下,比如我们需要部署一个文本分类模型原创 2017-07-17 00:09:02 · 44285 阅读 · 30 评论 -
Tensorflow新版Seq2Seq接口使用
Tensorflow 1.0.0 版本以后,开发了新的seq2seq接口,弃用了原来的接口。旧的seq2seq接口也就是tf.contrib.legacy_seq2seq下的那部分,新的接口在tf.contrib.seq2seq下。新seq2seq接口与旧的相比最主要的区别是它是动态展开的,而旧的是静态展开的。原创 2017-07-02 23:50:08 · 44216 阅读 · 17 评论