發(fā)簡信
IP屬地：湖北
-
深度學(xué)習(xí)模型調(diào)試和監(jiān)控（7.2）7.2 深度學(xué)習(xí)模型調(diào)試和監(jiān)控 本小節(jié)學(xué)習(xí)如何監(jiān)控模型訓(xùn)練的過程。 7.2.1 模型訓(xùn)練中應(yīng)用回調(diào) 當(dāng)你訓(xùn)練模型時，有許多情況是在起始階段預(yù)估不...
-
6.3 RNN高級用法（一）6.3 RNN高級用法 在本小節(jié)中，我們將學(xué)習(xí)三種高級方法提升RNN的性能和泛化能力。學(xué)完本小節(jié)你將會掌握使用Keras實(shí)現(xiàn)RNN的細(xì)節(jié)。我們將...
-
《Deep Learning with Python》第六章 6.2 理解循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）沉下心來，踏實(shí)干，會成功的。 6.2 理解循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN） 前面所有見過的神經(jīng)網(wǎng)絡(luò)模型，比如，全聯(lián)結(jié)網(wǎng)絡(luò)和卷積網(wǎng)絡(luò)，它們最主要的特征是沒有...
-
Ubuntu上安裝PyLucene
機(jī)器環(huán)境：Ubuntu 16.04，Java 1.8 安裝ANT： 下載pylucene-4.10.1-1或者pylucene-6.5.0包，并...
-
《Deep Learning with Python》第六章 6.1 深度學(xué)習(xí)之文本處理6.1 深度學(xué)習(xí)之文本處理 文本是序列數(shù)據(jù)傳播最廣泛的形式之一，它可以理解成一個字母序列或者詞序列，但是最常見的形式是詞序列。后面章節(jié)介紹的深度...
-
《Deep Learning with Python》第三章 3.6 走進(jìn)神經(jīng)網(wǎng)絡(luò)之房價(jià)預(yù)測3.6 房價(jià)預(yù)測：線性回歸 前面兩個例子都可以看成是分類問題，它的目標(biāo)是預(yù)測某個輸入數(shù)據(jù)點(diǎn)的單個離散label。常見的另外一類機(jī)器學(xué)習(xí)問題是線性...
-
《Deep Learning with Python》第三章 3.5 走進(jìn)神經(jīng)網(wǎng)絡(luò)之新聞多分類3.5 新聞分類：多分類 在上一小節(jié)，學(xué)習(xí)了如何使用全聯(lián)接神經(jīng)網(wǎng)絡(luò)將向量輸入分為二類。但是，當(dāng)需要多分類時該咋辦呢？ 在本小節(jié)，你將學(xué)習(xí)構(gòu)建神經(jīng)...
-
《Deep Learning with Python》第三章 3.4 走進(jìn)神經(jīng)網(wǎng)絡(luò)之電影影評分類3.4 電影影評分類 二元分類，或者稱為二值分類，可能是應(yīng)用最廣泛的機(jī)器學(xué)習(xí)問題。通過學(xué)習(xí)本例，你將掌握如何基于文本內(nèi)容將影評分為正、負(fù)二類。 ...
-
《Deep Learning with Python》第二章 2.2 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)表示2.2 神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)表示 在上面的例子中，數(shù)據(jù)存儲為多維Numpy數(shù)組，也稱為張量（tensor）。當(dāng)前流行的機(jī)器學(xué)習(xí)系統(tǒng)都以張量作為基本數(shù)據(jù)...