2023年3月26日学习周笔记

本周的学习有：

1、继续学习Web前端知识。并且结合 本学期的前端课 做了相关网页实践和完善。

2、由于自然语言处理课程要求安装并搭建 jieba 和 hanlp 。本周先弄 jieba

3、小部分时间学习深度学习相关的内容。

---

Web:

本周的Web实践是模仿设计 讯飞开放平台注册 的页面，目前细节仍需完善：

• 部分html代码：

• 对应的css文件代码块：

 

•  实践生成的 网页

 

---

jieba

•         jieba是优秀的中文分词第三方库，需要额外安装。
•         jieba库提供三种分词模式，最简单只需安装一个函数。
•         jieba库是通过中文词库的方式来识别分词的。

jieba库的主要方法有如下3种：

1.jieba.lcut(s) 精确模式，返回一个列表类型的分词结果

• 代码实践

2.jieba.lcut(s,cut_all=True)全模式，返回一个列表类型的分词结果，存在冗余。

• 代码实践

3.jieba.lcut_for_search(s)搜索引擎模式。

• 代码实践

---

深度学习之TensorFlow：

                                                                        第一节

• TensorFlow 是一个开源的机器学习的框架，我们可以使用 TensorFlow 来快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。也正是因为 TensorFlow 是一个开源的软件库，因此只要我们安装了 TensorFlow，我们就可以使用import 的方式来引入。
• 简单来说， TensorFlow 的核心理念包括计算图与张量（Tensor）。

计算图

• 在 TensorFlow 中，我们首先构建模型，TensorFLow会根据我们的模型来构建一个计算图，然后TensorFLow 会在该计算图中进行相应的运算、迭代与求梯度等操作，从而得到我们最终想要的结果。

张量

张量（Tensor）就是 TensorFlow 的名字的由来之一，TensorFLow 顾名思义就是张量流动的意思，由此可见张量为 TensorFlow 的最核心的概念之一。张量在TensorFLow之中以数组的形式存储。张量的主要组成要素包括：

• 名称（name）；
• 形状（shape）；
• 类型（dtype）。

简单的理解，我们可以将张量看作多维数组。在 TensorFLow 之中我们可以很轻松的构建一个张量，比如以下代码：

                                                        x = tf.ones((64, 28, 28, 3))

由此我们构建了一个思维张量，他的第一维是 64 个维度，第二维与第三维都是 28 个维度，第四维是3 个维度。

在TensorFlow之中我们一般将第一维数据作为批大小来处理（Batch_Size），也就是一批数据中含有多少个样本子数据。更一般的，在不确定批大小的情况下，我们直接将第一维设置为 None，比如：

                                                        x = tf.ones((None, 28 ,28, 3))