發(fā)簡(jiǎn)信
IP屬地：天津
-
bert模型簡(jiǎn)單使用&app分類場(chǎng)景前期效果驗(yàn)證好久沒更新了进每，更新一個(gè)前一段時(shí)間做的項(xiàng)目的前期效果調(diào)研過程罢杉，目前已經(jīng)在走工程化流程。 1惋耙、項(xiàng)目背景 基于app推送的文本內(nèi)容隱含地表示了app的...
-
基于keras 實(shí)現(xiàn)的驗(yàn)證碼ocr識(shí)別自從app2vec工作告一段落后，在公司招聘面試過程中發(fā)現(xiàn)了一個(gè)有意思的東西OCR(Optical Character Recognition)...
-
多通道cnn+lstm+dense復(fù)雜網(wǎng)絡(luò)測(cè)試（附單通道效果對(duì)比）對(duì)于時(shí)序數(shù)據(jù)or圖像蝠咆，不同的filters冰更、kernel_size、strides意味著輸出不同的高維特征贱勃。 同一份數(shù)據(jù)井赌，如何增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力...
-
深度學(xué)習(xí) batch size 參數(shù)的設(shè)置的思考從實(shí)際使用的感受來說，數(shù)據(jù)及其他參數(shù)一致時(shí)贵扰，batch size設(shè)置過大仇穗，回歸類任務(wù)的mse會(huì)增大；而在分類任務(wù)中戚绕，預(yù)測(cè)精度在batch siz...
-
keras lstm return sequence參數(shù)理解
使用keras構(gòu)建多層lstm網(wǎng)絡(luò)時(shí)纹坐，除了最后一層lstm，中間過程的lstm中的return sequence參數(shù)需要設(shè)置為true列肢。 lst...
-
GraphX 介紹&簡(jiǎn)單樣例一恰画、總體框架 總體框架分為三個(gè)部分： l 存儲(chǔ)層和原語層：Graph類是圖計(jì)算的核心類宾茂，內(nèi)部含有VertextRDD、EdgeRDD拴还、RDD[E...
-
GraphX Label Propagation算法改進(jìn)
label propagation算法介紹 標(biāo)簽傳播算法（label propagation）的核心思想非常簡(jiǎn)單：相似的數(shù)據(jù)應(yīng)該具有相同的lab...
-
樹模型中特征重要性是如何計(jì)算的使用sklearn里決策樹的包跨晴，以及iris的數(shù)據(jù)集，使用基尼系數(shù)作為切割點(diǎn)劃分依據(jù) 數(shù)據(jù)集如下image.png 構(gòu)建決策樹片林，使用gini系數(shù)...
-
使用keras構(gòu)建帶time_step的LSTM模型之前使用TensorFlow構(gòu)建LSTM模型時(shí)端盆，被各種shape煩死。最近嘗試了keras费封，發(fā)現(xiàn)好用很多焕妙，但網(wǎng)上看了很多教程，里面的time_s...