一条赖皮狗-CSDN博客

原创 SignatureDef的作用

SignatureDef的作用本篇文章主要讲解SignatureDef接口的作用概述SignatureDef的主要作用是定义输出和输入接口协议。他在构建SaveModel时，被封装到二进制文件中。SignatureDef结构SignatureDef包含三个部分：input：封装着TensorInfo信息的字典outputs ：和上面一样，封装着TensorInf...

2018-03-16 16:03:47 4884

翻译 tensorflow之Saving and Restoring翻译（一）

Saving and Restoring 这篇文档说明了如何保持和加载tensorflow的变量和模型保存和加载变量Tensorflow的变量被你的程序所管理，它是一种最好的方式，用于表达共享和持久化状态。本章节说明了如何保存和加载变量。注意：Estimators会自动的保存和加载变量（模型存放在参数model_dir所指定的目录） tf.train.Saver类提供了保存...

2018-03-14 17:12:42 368

翻译 tensorflow之图和会话翻译

Graphs and Sessions tensorflow使用数据流图的方式来表示独立操作之间的相互依赖计算。这就导致了，如果你使用低级别api进行tensorflow编程的时候，首先必须构建数据流图（dataflow graph）。然后将该数据流图放入Session中运行，此时可以运行数据流图的整个部分，也可以只运行部分数据流图。如果你直接考虑使用低级api进行编程，...

2018-03-12 19:15:23 428

tensorflow源码分析二-crf分析

支持向量机支持向量机是一种比较经典的二分类模型，它的基本理论原理是定义在特征空间上的间隔最大的线性分类器。支持向量机由于核函数的存在，这使得它可以比较方便的处理非线性的数据。支持向量机学习路径可以归纳为由简单到复杂，分别为：线性可分支持向量机，线性支持向量机，非线性支持向量机。简单模型是复杂模型的基础，也是复杂模型的特殊情况。当训练数据可分时，通过硬间隔最大化，训练一个线性的分类...

2018-03-11 23:56:48 829 1

原创 tensorflow学习笔记（1）- tf.estimator.EstimatorSpec源码分析

tf.estimator.EstimatorSpec源码分析 tf.estimator.EstimatorSpec是python新增的一个高级api，它定义了一个具体的模型对象，现根据源代码简要分析其功能。ModeKeys类源代码如下： class ModeKeys(object): TRAIN = 'train' EVAL = 'ev...

2018-03-08 16:28:18 9290

转载 java中多线程

参考博客：https://www.cnblogs.com/wxd0108/p/5479442.html引言如果对什么是线程、什么是进程仍存有疑惑，请先Google之，因为这两个概念不在本文的范围之内。用多线程只有一个目的，那就是更好的利用cpu的资源，因为所有的多线程代码都可以用单线程来实现。说这个话其实只有一半对，因为反应“多角色”的程序代码，最起码每个角色要给...

2018-03-06 11:26:48 147

原创概率无向图模型

概率无向图模型前面我们所讲的朴素贝叶斯，贝叶斯网络，马尔科夫模型，隐马尔科夫模型都属于概率有向图模型。概率无向图模型和概率有向图模型处理方法有少许不同，本文单独介绍。马尔科夫随机场是一种著名的概率无向图模型，李航的书中直接将两者划为了等号。本文首先介绍概率无向图模型的定义，然后介绍概率无向图模型的因子分解。马尔科夫随机场的定义马尔科夫随机场是一种著名的...

2018-03-02 15:40:54 2866

转载 PCA的数学原理

原文链接：http://blog.csdn.net/shulixu/article/details/52894413 PCA（Principal Component Analysis）是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。。网上关于PCA的文章有很多，但是大多数只描述了PCA的分析过...

2018-03-01 18:12:25 173

原创深入理解悲观锁和乐观锁

概念悲观锁(Pessimistic Lock), 顾名思义，就是很悲观，每次去拿数据的时候都认为别人会修改，所以每次在拿数据的时候都会上锁，这样别人想拿这个数据就会block直到它拿到锁。乐观锁(Optimistic Lock), 顾名思义，就是很乐观，每次去拿数据的时候都认为别人不会修改，所以不会上锁，但是在更新的时候会判断一下在此期间别人有没有去更新这个数据，可以使用版本号等...

2018-03-01 11:31:50 292

原创卷积核函数的选择

卷积核函数的选择卷积核函数的尺寸并没有一个严格的限制，那么选择核函数有什么标准了？？而且看到很多成熟的卷积网络经常使用1*1的卷积核函数，它的作用又是什么了？1*1卷积核函数的作用很多卷积神经网络中都会使用1*1的卷积核函数：resNet，GoogleNet。1×1卷积核只有一个参数，这个核在输入上滑动，就相当于给输入数据乘以一个系数。（对于单通道和单个卷积...

2018-02-09 13:53:53 10254

原创卷积神经网络-多通道计算

卷积神经网络-多通道计算最近在看卷积神经网络，一个卷积核函数好像对应一个通道的输入进行卷积计算，那么多通道的输入怎么进行计算了？下面分以下几种情况分别描述：单通道-单卷积核，多通道-多卷积核。1、单通道-多卷积核由于单通道-单卷积核是单通道-单卷积核的一种，所以不单独讲解。单通道-单卷积核的计算形如上图。假设有n=10n=10n = 10个卷积核，...

2018-02-08 17:56:56 9247 1

原创卷积网络笔记

卷积网络笔记卷积网络也叫做卷积神经网络，是一种专门用来处理类似具有网格结构的数据的神经网络。例如时间序列数据（可以认为在时间轴上有规律的一维网格数据）、图像数据（可以认为二维的像素网格数据）。卷积神经网络在许多应用中发挥着巨大的作用，比如图像领域。所以我在学习深度学习过程中，根据自己的理解写下此文，以加深对自己的理解。1、卷积运算在通常的形式中，卷积是对两个函...

2018-02-08 15:28:46 3283 3

转载卷积的物理意义

卷积的物理意义今天在知乎上看到一个关于卷积的讲解，非常有趣，且通俗易懂，特此记录一下：作者：鱼腻链接来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。比如说你的老板命令你干活，你却到楼下打台球去了，后来被老板发现，他非常气愤，扇了你一巴掌（注意，这就是输入信号，脉冲），于是你的脸上会渐渐地（贱贱地）鼓起来一个包，你的

2018-02-06 18:25:16 425

原创生成式模型 vs 判别式模型

生成式模型 vs 判别式模型有监督机器学习方法可以分为生成方法和判别方法（常见的生成方法有混合高斯模型、朴素贝叶斯法和隐形马尔科夫模型等，常见的判别方法有SVM、LR等），生成方法学习出的是生成模型，判别方法学习出的是判别模型。那么他们之间的真正区别和优缺点是什么了？1、判别式模型假设有一批训练数据(xi,yi)" role="presentation" style=

2018-02-05 15:47:02 312

原创概率图模型

概率图模型自然语言处理中一个常见任务是根据已知状态来对感兴趣的未知状态进行预测和推断，比如序列标注问题。概率图模型提供了一种描述框架，将学习任务归结于计算变量概率的分布1、概念图模型的定义在概率模型中，利用已知变量推测未知变量的分布称为“推断”（inference），其核心是如何基于可观测变量推测出未知变量的条件分布。具体的说，假定所关心的变量集合为Y" role="

2018-02-02 19:02:51 469

原创基于HMM和规则相结合的中文地名识别方法

基于机器学习和规则相结合的中文地名识别方法命名实体识别是自然语言处理中的一个常见任务，方法也越趋于成熟。本人最近正在做事件抽取相关工作，对于事件中地址元素的识别稍有经验，所以写下本文，以对前面工作做一个总结。1、词库的整理中国地名毕竟有限，所以我们选择爬取中国统计局2016年统计用区划代码和城乡划分代码中的地名作为基本地名词库，补充到分词器中。分词器选择Hanlp。

2018-02-02 11:49:46 2705 1

原创 word2vec之Negative Sampling理解

word2vec之Negative Sampling理解本文章将介绍基于Negative Sampling的CBOW和Skip-Gram模型。与Hierarchical Softmax相比，Negative Sampling不需要构建复杂的Huffman树，以及进行多次二分类，而是利用简单的随机负采样，能大幅度提高性能。因而可以说Negative Sampling是Hierarchica

2018-02-01 17:55:49 1541

转载交叉熵的理解

交叉熵在深度学习中，经常以交叉熵作为代价函数，在这篇文章中主要对熵、相对熵、交叉熵进行详细的讲解，以加深对其理解。1、信息量的定义假设X" role="presentation" style="position: relative;">XXX是一个随机变量，其取值集合为χ" role="presentation" style="position: rel

2018-01-30 17:36:19 579