张帅的博客

教程网上很全，主要说一下注意事项： 1如果只用cpu，直接pip install tensorflow，官方文档写了已经支持python3.6了。 2.如果要用gpu，输入pip install tensorflow-gpu，即可。此外gpu还要安装cuda和cudnn，需要注意版本，运行import tensorflow会有提示。 3.pip操作安装了的tensorflow会有提示：Your

这篇文章写得非常好：https://blog.csdn.net/Jerr__y/article/details/70809528 总结几个点： 1、tf.Variable在命名冲突的时候会自动重命名，如命名为w，第二个机会变成w_1。tf.placeholder也会，tf.get_variable则不会。 2、tf.name_scope是不会对tf.get_variable有影响的，对tf....

翻译这篇文章：https://danijar.com/variable-sequence-lengths-in-tensorflow/ 大意是因为在用rnn做nlp任务的时候，不同的句子长度不一样，如果我们使用static_rnn我们需要固定最大句子长度，这其实是不合适的。因为在句子实际长度m小于最大长度n的时候，我们实际上希望得到m时刻的输出，而不是n时刻的输出(因为m时刻句子已经结束)，但是...

大致是对每层做归一化，能加快收敛速度。 主要看这篇博客：https://www.jianshu.com/p/0312e04e4e83 原理看这篇：https://blog.csdn.net/hjimce/article/details/50866313 其中会用到滑动平均：可以看我之前的这篇博客。...

tf.nn.embedding_lookup( params, ids, partition_strategy=’mod’, name=None, validate_indices=True, max_norm=None ) 这个函数的意思就是按照ids查找params里面的vector然后输出。 比如：import num...

下面这两篇博客就这个问题讲的很详细： https://blog.csdn.net/u010814042/article/details/76154391 https://blog.csdn.net/u013713117/article/details/56281715 下面的代码是双向lstm+crf计算损失的部分，但是思路是通用的。with tf.variable_scope('crf...

这篇博客讲的很清楚。 注：buffer_size表示在shuffle时缓冲池的大小，影响随机顺序。 The buffer_size in Dataset.shuffle() can affect the randomness of your dataset, and hence the order in which elements are produced. ...

在这篇博客中对tf.train.ExponentialMovingAverage讲的很清楚，这里主要补充几点说明： 第一点： 当程序执行到 ema_op = ema.apply([w]) 的时候，如果 w 是 Variable， 那么将会用 w 的初始值初始化 ema 中关于 w 的 ema_value，所以 emaVal0=1.0。如果 w 是 Tensor的话，将会用 0.0 初始化...

关于 tf.control_dependencies（具体参考博客，也是本文主要参考对象）： tf.control_dependencies(control_inputs)设计是用来控制计算流图的，给图中的某些计算指定顺序。比如：我们想要获取参数更新后的值，那么我们可以这么组织我们的代码。opt = tf.train.Optimizer().minize(loss)with tf.c...

#!/usr/bin/env python3# -*- coding: utf-8 -*-''' 学习率较大容易搜索震荡（在最优值附近徘徊），学习率较小则收敛速度较慢， 那么可以通过初始定义一个较大的学习率，通过设置decay_rate来缩小学习率，减少迭代次数。 tf.train.exponential_decay就是用来实现这个功能。'''__author__ = 'Zhan...

之前用过argparse这个库来接收命令行参数，代码样例如下：parser = argparse.ArgumentParser(description='BiLSTM-CRF for Chinese NER task')#--代表可选参数parser.add_argument('--train_data', type=str, default='data_path', help='trai...