- 博客(4)
- 收藏
- 关注
RSS订阅原创 Jenkins针对Java项目的持续集成实现及相关python API调用
一、流程介绍持续集成，是指用户将代码提交到gitlab后，进行自动部署的过程。代码push到lab之后，触发Jenkins进行代码的下拉，完成maven编译和打包功能，随后通过脚本或SSH服务生成镜像，完成镜像push到仓库以及在部署服务器上pull并运行该镜像的过程。本次实践中共两台服务器，一台为Jenkins服务器, 另一台为docker镜像仓库和部署服务器。二、Jenkins配置为了实现python API的调用，先要熟悉Jenkins的配置与使用。下面这一部分将介绍部署一个Java项目并完成
2020-12-16 17:05:39
476
原创 最全NLP中文文本分类实践（下）——Voting和Stacking的模型融合实现
前面的两篇文章中，我们完成了文件内容提取、中文分词、机器学习模型构建等任务。现在，我们希望对得到的模型效果做出优化。当然，有很多方法可以提升模型的表现，包括特征工程、调参、模型融合等。在这篇文章中，主要介绍针对模型融合的实践内容，即对多个baseline按一定的方法进行“融合”以期达到指标的提升。以下是前面两篇文章的链接。最全NLP中文文本分类实践（上）——中文分词获取和Word2Vec模型构建最全NLP中文文本分类实践（中）——SVM和基于keras的TextCNN实现1 概念简介所谓模型融合，其
2020-09-02 15:34:42
2245
原创 最全NLP中文文本分类实践（中）——SVM和基于keras的TextCNN实现
在上一篇文章中，我们获取了分词的向量表达，接下来要考虑怎么样构建模型。在这一部分，我将分别按普通的机器学习分类器和稍复杂的神经网络TextCNN模型来进行功能的实现。关于上一篇文章的详细内容请查看下面的链接。最全NLP中文文本分类实践（上）——中文分词获取和Word2Vec模型构建1 SVM实现我们确实拥有了词的向量表达，可是，每个文章都包含不同数量的单词，我们怎么样用训练出来的词向量表示不同的文章呢？在这里，我用的是计算平均词向量来表示文档的方法。这其实挺好理解的，就是文章内包含的所有词的向量相加
2020-09-02 11:32:05
2419
原创 最全NLP中文文本分类实践（上）——中文分词获取和Word2Vec模型构建
1 简介最近在学习NLP的相关知识，想通过实践来加深对所学知识的认知。因此，自己从网上找了一个中文语料库进行尝试。本文的实践内容包括文件的读取、中文分词、词向量表达、模型构建和模型融合。本文所采用的语料库为复旦中文文本分类语料库，包含20个类别。但是，这个网盘里面只有train一个文件夹，我就自己人工把它分成了训练集和测试集。网盘链接:https://pan.baidu.com/s/1833mT2rhL6gBMlM0KnmyKg密码:zyxa注：本文重点关注于代码的实践内容，没有背景知识和理论的介
2020-09-02 11:20:57
4334
13
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人