![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
书籍阅读
伸腿瞪眼丸
这个作者很懒,什么都没留下…
展开
-
Python内置函数及模块总结
1.Python内置函数abs()、delattr()、hash()、memoryview()、set()、all()、dict()、help()、min()、setattr()、any()、dir()、hex()、next()、slice()、ascii()、divmod()、id()、object()、sorted()、bin()、enumerate()、input()、oct()、stat...原创 2020-04-16 21:41:14 · 265 阅读 · 0 评论 -
numpy总结
ndarray的数组切片作用的是原数组,若想直接复制的话采用arr[5:8].copy()array的转置有两种:arr.T、arr.transpose((1,0,2))、arr.swapaxes(1,2)numpy的通用函数:一元:abs/fbs、sqrt、square、exp、log、sign、ceil(大于等于该值的最小整数)、floor(小于等于该值的最大整数)、rint(四舍五入...原创 2020-04-15 11:18:03 · 187 阅读 · 0 评论 -
动手学深度学习——语言模型
语言模型一段自然语言文本可以看作是一个离散时间序列,给定一个长度为TTT的词的序列ω1,ω2,...,ωT{\omega_{1},\omega_{2},...,\omega_{T}}ω1,ω2,...,ωT,语言模型的目标就是评估该序列是否合理,即计算该序列的概率。假设序列的每个词是依次生成的,则:P(ω1,ω2,...,ωT)=Πt=1TP(ωt∣ω1,...,ωt−1)=P(ω1)P...原创 2020-02-14 21:17:47 · 340 阅读 · 0 评论 -
动手学深度学习——循环神经网络
循环神经网络循环神经网络(RNN)主要用于预测任务:基于当前和历史输入序列,预测序列的下一个字符。循环神经网络相对于普通神经网络而言,最大的特点在于颖仓变量HHH的引进,用HtH_{t}Ht表示HHH在时间步ttt的值,该变量记录了到当前字符为止的序列信息。历史信息的使用使得预测更为精确。循环神经网络的示意图:循环神经网络模型假设Xt∈Rn×d\boldsymbol{X_{t} \in ...原创 2020-02-14 20:53:42 · 356 阅读 · 0 评论 -
动手学深度学习——文本预处理
文本预处理文本预处理是NLP中不可或缺的一项任务。文本预处理通常包括四个步骤:读入文本、分词、建立字典、将文本从词序列转换为索引序列。(1)读入文本import collectionsimport redef read_time_machine(): with open('/home/kesci/input/timemachine7163/timemachine.txt', '...原创 2020-02-14 19:41:05 · 284 阅读 · 1 评论 -
动手学深度学习——多层感知机
多层感知机多层感知机是一种简单的神经网络,包含输入层、隐藏层以及输出层。如下图所示。多层感知机的计算过程输入层为小批量样本X∈Rn×d\boldsymbol{X} \in \mathbb{R}^{n \times d}X∈Rn×d,批量大小为nnn,输入个数为ddd。上述图的多层感知机为单隐藏层,隐藏层输出为HHH,H∈Rn×h\boldsymbol{H} \in \mathbb{R}^{...原创 2020-02-14 18:49:58 · 340 阅读 · 0 评论 -
动手学深度学习——softmax与分类模型
softmax基本概念softmax是单层神经网络,与线性回归相同,通常用于离散的分类问题。掌握softmax需要掌握模型、数据集、损失函数和优化函数四个方面。softmax的使用场景softmax一般用于离散分类问题,使用softmax主要解决两个问题:(1)不采用softmax层直接使用输出层会使得输出值的范围不确定,难以通过直观意义确定输出数值的意义。(2)数据集的真实标签是离...原创 2020-02-14 17:49:06 · 333 阅读 · 0 评论 -
动手学深度学习——线性回归的概念及实现
线性回归的基本要素深度学习的基本要素包括模型、数据集、损失函数、优化函数。线性回归作为深度学习的基础模型,其基本要素也涵盖上述四方面。模型线性回归的模型是线性函数,通常可表示为如下形式:(向量形式)y= WTX+B .\\y = \ W^{T}X+B\,.y= WTX+B.以预测房价的案例为例,X={面积、房龄},则预测房价的表达式为:price=ω1∗are...原创 2020-02-14 16:28:10 · 227 阅读 · 0 评论 -
SQL进阶教程(一)——CASE表达式
SQL进阶教程之CASE表达式在掌握了基础的标准SQL语法后,可做一些简单的SQL练习题加深记忆和巩固基础知识。然而,SQL基础教程仅仅是帮助零基础的同学入门,要想在面试或工作中用好SQL,需进一步学习进阶教程,从而从初级迈向中级。在这个阶段我参考的书仍然是MICK先生所著的==《SQL进阶教程》==,这本书主要以案例为主,通过不同的案例帮助读者快速了解不同情况下SQL语句的使用策略,对于时间比...原创 2019-12-21 21:28:28 · 1298 阅读 · 0 评论 -
SQL零基础入门
@SQL基础教程SQL基础教程思维导图本文主要是对MICK所著的《SQL基础教程》的知识点进行了归纳和总结,并且以思维导图的形式呈现。在帮助我学习和复习的过程中希望也能帮助到正在学习SQL的小伙伴们。这本书作为入门级读物,非常适合零基础且想要入门SQL的同学,因此在进行总结时我也尽量做到详述。下面的链接是完整的思维导图,有需要的朋友烦请自取。链接: 链接:https://pan.baidu....原创 2019-12-19 21:32:34 · 2628 阅读 · 2 评论