- 博客(12)
- 资源 (5)
- 收藏
- 关注
转载 Dilated/Atrous Convolution
Dilated Convolution(或者叫做 Atrous Convolution), 中文称作 空洞卷积/带孔卷积/扩张卷积/膨胀卷积/多孔卷积.这些名称指的都是同一个意思,都是同一种操作.出处Multi-Scale Context Aggregation by Dilated Convolutions为什么需要空洞卷积在出现空洞卷积之前的CNN分割网络中,习惯于使用Pooling...
2019-12-27 22:31:04 196
原创 《变分自动编码器在协同过滤中的使用》做推荐召回 《Variational Autoencoders for Collaborative Filtering 》
文章主要讲VAE中的隐式反馈在CF中的使用,取top K做为召回。非线性的概率模型可以大大提升模型的表征能力。传统encode-decode框架把Input encode到一个“固定”的编码,然后再利用decode将编码复原到目标,对于未知的输入可能无法decode到有意义的输出,而VAE在encode过程得到一个隐式的分布得到均值和方差两个参数,通过两个参数确定的分布进行采样得到隐变量z,然...
2019-12-26 23:50:41 1193
原创 《Neural Input Search for Large Scale Recommendation Models》笔记
一、综述:起因:推荐场景下,embedding维度太大,参数太多,导致高存储占用,feature embedding的每一维不能有效的训练。本文内容:NIS主要应用推荐场景下(Recall/Rank),输入特征的embedding产生大量的训练参数,而且对于不同的特征以及一个特征的不同值,因为他们的覆盖的样本数据不同,因此这些参数得到train的机会也有不同,对于覆盖高频的特征或特征值用较...
2019-12-26 23:42:58 983
原创 因果卷积(causal)与扩展卷积(dilated)
https://www.cnblogs.com/fantastic123/p/9389128.htmlhttps://blog.csdn.net/silence2015/article/details/79748729https://www.jianshu.com/p/f743bd9041b3
2019-12-13 14:21:30 1729
转载 A Painless Q-learning Tutorial (一个 Q-learning 算法的简明教程)
https://blog.csdn.net/itplus/article/details/9361915
2019-12-13 10:53:57 101
转载 FLASK 中如何获取 GET/POST 请求的参数
args 取get参数 account = request.args.get('account')form 取post参数 account = request.form.get('account')一般来说,传递请求参数的方式有两种,一是打包成 JSON 之后再传递,二是直接放进 URL 进行传递 。对于第一种方式,一般用 POST 请求来传递参数,然后用 FLASK 中 request ...
2019-12-10 15:33:11 767
转载 命名实体识别从数据集到算法实现-标注法记录-技术很旧
命名实体识别(Named Entity Recognition, NER)是 NLP 的基础任务,指从文本中识别出命名性指称项,为关系抽取等任务做铺垫。狭义上,是识别出人名、地名和组织机构名这三类命名实体(时间、货币名称等构成规律明显的实体类型可以用正则等方式识别)。当然,在特定领域中,会相应地定义领域内的各种实体类型。目前的主流工作,是将 NER当做深度学习任务来做,所以,我们需要大量的、高质量...
2019-12-09 19:17:23 1427
原创 几种不同的dot/Dot的用法
1.from keras.layers.merge importdotx = tf.constant([[1,2,3]])>>> dot([x,x],axes=1)<tf.Tensor 'dot_8/ExpandDims:0' shape=(1, 1) dtype=int32>2.import tensorflow.keras.ba...
2019-12-04 12:55:27 1993
转载 广告点击率的贝叶斯平滑
广告点击率的贝叶斯平滑声明:1)该博文是Yahoo专家所无私奉献的论文资料整理的。具体引用的资料请看参考文献。具体的版本声明也参考原文献2)本文仅供学术交流,非商用。所以每一部分具体的参考资料并没有详细对应,更有些部分本来就是直接从其他博客复制过来的。如果某部分不小心侵犯了大家的利益,还望海涵,并联系老衲删除或修改,直到相关人士满意为止。3)本人才疏学浅,整理总结的时候难免出错,还望...
2019-12-04 10:08:21 309
转载 论推荐系统的Exploitation和Exploration
上一篇文章讲到,一个推荐系统,如果片面优化用户的喜好,很可能导致千篇一律的推荐结果。文中曾经用了一节来讨论为什么使用Exploitation & Exploration (E & E)结果可能依然不能“免俗”。其实,E & E是推荐系统里很有意思,但也非常有争议的一个算法。一方面,大家都基本明白这类算法的目的,每年有很多相关论文发表。另一方面,这是工业界对于部署这类算法非常...
2019-12-04 10:06:29 604
httpclient tutorial httpclient 指南
2018-03-08
mask rcnn paper
2018-03-07
Applying Deep Learning To Answer Selection
2018-03-07
Learning Phrase Representations using RNN Encoder–Decoder
2018-03-07
BPTT BackPropagation Through Time.pdf
2018-03-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人