ZJRN1027的博客

前言：上次记录了一下如何使用 TFRecord 来转存图片与 label ，后续经手了一些 NLP 任务，尝试使用了 TF 2.1.0，所以记录一下如何使用 TFRecord 来保存和读取文本数据。准备工作：TFRecord 无法直接记录文本信息，所以需要首先对文本内容进行一些预处理的准备工作，分别是分词，去停用词，建立词典，以及将文本转化为词典 index。再将 index 值写入 TFRecord。TFRecord首先这里把训练集和验证集分构造为了两个 DataFrame ，然.

前言当 NLP 玩家遇到一个 CV 图像分类的任务时，老实的说，我是有点懵逼的。。。任务目标是，训练一个层数较少，结构较为简单的图像分类模型，使用其最后一层隐藏层输出，作为特征向量来表征图像。之前都是使用 Keras 较多，于是本次准备借着这个简单的任务上手 TensorFlow 2.1 。数据加载Python generator 出现的问题TensorFlow 2.1 自...

tf.nn.sparse_softmax_cross_entropy_with_logits()这是一个TensorFlow中经常需要用到的函数。官方文档里面有对它详细的说明，传入的logits为神经网络输出层的输出，shape为[batch_size，num_classes]，传入的label为一个一维的vector，长度等于batch_size，每一个值的取值区间必须是[0，num_cla...

题记LSTM（Long Short-Term Memroy Cell）是一种RNN网络的改进结构，相较于传统的RNN网络在处理长序列时有着很多优势这也让它在自然语言处理的多种任务中有着很广范的运用。关于LSTM的具体介绍有很多，大家也可以从我之前的一篇博客  基于Tensorflow的LSTM-CNN文本分类模型  中查看。同时最近看到很多朋友对于LSTM的具体运用产生了一些疑问，而这些问题也是我...