u011734144的专栏

原创 基于Huffman树的CBOW模型的理解

上面是从如下地址中截取的内容：https://www.zybuluo.com/Dounm/note/591752#mjx-eqn-eq4下面说下我对它的理解还是以“今天  我   和  小明  去   北京   玩” 这句为例输入层： “小明”的前后三个词向量，即首先要把这些词全部表示成向量投影层： 将这写词的向量求和，得到的结果就是：将投影层的向量输入到哈夫曼树中哈夫曼树怎么来的？ 将语料库中词

原创 基于Huffman树的CBOW模型的理解

原创 基于Huffman树的CBOW模型的理解

原创 Word2vec之CBOW模型和Skip-gram模型形象解释

Word2vec中两个重要模型是：CBOW和Skip-gram模型这里主要讲下我本人对CBOW模型的理解，这是主要是举个例子简化下首先说下CBOW的三层结构：输入层，投影层（中间层），输出层假设语料库有10个词: 【今天，我，你，他，小明，玩，北京，去，和，好】现在有这样一句话：今天我和小明去北京玩很显然，对这个句子分词后应该是：今天 我 和 小明 去 北京 玩对于小明而言，选择他的前

转载 Word2Vec模型

给个原文地址把：https://www.zybuluo.com/Dounm/note/591752#mjx-eqn-eq4

转载 softmax回归

给个原文链接吧：http://www.voidcn.com/article/p-mcelqtjn-mb.html

转载 哈夫曼树

一，什么是哈夫曼树什么是哈夫曼树呢？哈夫曼树是一种带权路径长度最短的二叉树，也称为最优二叉树。下面用一幅图来说明。它们的带权路径长度分别为：图a： WPL=5*2+7*2+2*2+13*2=54图b： WPL=5*3+2*3+7*2+13*1=48可见，图b的带权路径长度较小，我们可以证明图b就是哈夫曼树(也称为最优二叉树)。回到顶部二，如何构建哈夫曼树一般可以按下面步骤构建：1，将所有左，右子树

原创 使用argparse解析命令行参数

一个例子代码：文件名为：argparse_test.pyimport argparseparser = argparse.ArgumentParser()parser.add_argument('--para1', type=str, default='value1')parser.add_argument('--para2', type=str, default='value2')pa

原创 Centos系统基于Docker安装tensorflow

要基于Docker安装tensorflow，当然首先要安装Docker了，下面先说安装Docker的步骤1.  首先卸载电脑上可能存在的老的版本，如果没有安装过可以不执行$ sudo yum remove docker \ docker-common \ docker-selinux \ d

转载 机器学习中的梯度下降法

在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。1. 梯度　　　　在微积分里面，对多元函数的参数求∂偏导数，把求得的各个参数的偏导数以向量的形式写出来，就是梯度。比如函数f(x,y), 分别对x,y求偏导数，求得的梯度向量就是(∂f/∂x, ∂f/∂y)T,简称gr

原创 expect以及rsync实现远程连接自动推送密码

有的时候，我们ssh登陆远程机器，或者scp从远程机器上拷贝文件，都要手动输入远程机器的 密码，如果我们的脚本要自动指定这些命令，如何实现自动推送密码？这就要用到except和spawn这里我用到了两个文件1. 文件1： upload_to_sohu.exp#/bin/bash/expect #特定标识#先预定义一些变量，比如远程机器的用户名，密码，ip，文件路径set user your