- 博客(57)
- 收藏
- 关注
RSS订阅原创 梯度消失和梯度爆炸原理
此方法来自Hinton在2006年发表的一篇论文，Hinton为了解决梯度的问题，提出采取无监督逐层训练方法，其基本思想是每次训练一层隐节点，训练时将上一层隐节点的输出作为输入，而本层隐节点的输出作为下一层隐节点的输入，此过程就是逐层“预训练”（pre-training）；相比较于之前的网络结构，残差网络中有很多跨层连接结构（shortcut），这样的结构在反向传播时多了反向传播的路径，可以一定程度上解决梯度消失的问题。梯度消失产生的主要原因有：一是使用了深层网络，二是采用了不合适的损失函数。...
2022-08-04 16:03:24
168
原创 Re模块精选
RegExp2)RegExp1 匹配前面不是RegExp2 的 RegExp1。RegExp2) 匹配后面不是RegExp2 的 RegExp1。
2021-04-29 09:59:00
95
原创 python3 并行同时执行两个函数
from threading import Threadimport timedef fun1(): print('fun11') time.sleep(2) print("fun1")def fun2(): print('fin22') time.sleep(6) print("fun2")threads = []threads.append(Thread(target=fun1))threa
2021-04-02 16:40:35
7760
2
原创 部署linux环境
1.首先在root权限下面安装：mysql，redis，nginx，git, supervisor等公共包，为所有人使用2.切换到具体账户，安装conda，python，uwsgi等个人使用的包普通部署：环境配置：su - 切换到root1、创建用户sudo useradd robotsudo passwd robot2、安装相关包yum search vimyum -y install vim*yum install gcc3、配置用户权限chmod u+w sudoer
2021-01-20 14:34:21
256
原创 Django里面的classMeta常用参数
在使用django里面的form组件时，经常碰到class Meta 这一原类；class Meta的作用其实就是替form做一些校验功能的扩展封装。其常用的属性有以下几种：model = models.UserInfo # 对应的Model中的类fields = “all” # 字段，如果是__all__,就是表示列出所有的字段exclude = None # 排除的字段labels = None # 提示信息help_texts = None # 帮助提示信息widgets =
2020-12-28 17:20:52
960
原创 全部版本centOS安装yum
最大的难点就是找到资源：资源在：自己去找，https://vault.centos.org/6.8/os/x86_64/Packages/python-iniparse-0.3.1-2.1.el6.noarch.rpm yum-3.2.29-73.el6.centos.noarch.rpm yum-metadata-parser-1.1.2-16.el6.x86_64.rpm yum-plugin-fastestmirror-1.1.30-37.el6.noarch.rpm其他的就是和其
2020-12-08 17:43:21
218
原创 python维特比算法
# -*- coding: utf-8 -*-from collections import defaultdictstates = ("Rainy", "Sunny")observations = ("Walk", "Shop", "Walk", "Shop", "Clean", "Walk", "Shop", "Walk")start_probability = {"Rainy": 0.6, "Sunny": 0.4}transition_probability = {
2020-08-09 11:56:48
225
原创 bert模型源码详细解读
一.bert配置参数解读 bert_config.json{ "attention_probs_dropout_prob": 0.1, #乘法attention时，softmax后dropout概率 "directionality": "bidi", "hidden_act": "gelu", # 激活函数 "hidden_dropout_prob": 0.1, #隐藏层dr...
2020-04-28 19:14:13
4414
原创 mnist中运用的朴素贝叶斯（先验概率，后验概率，全概率，似然函数）
朴素贝叶斯中的朴素是指时间之间相互独立先说下mnist中的条件，有十个数字图片，1-9全部等分如果模型的正确率是95%，错误率5%问：随便拿一张数字图片，如果得到的数字是3 P(B)，则拿的数字图片是哪一张P(A)？这个问题就是朴素贝叶斯问题命事件P(B)是得到的数字是3（观测结果）命事件P(A)拿到哪一张数字先验概率：在进行实验之前，就已经得到的概率，这里是 10%，因为数据是1...
2020-04-17 10:42:27
735
转载 【深度学习】深入理解Batch Normalization批标准化
https://www.cnblogs.com/guoyaohua/p/8724433.html
2020-04-13 16:33:53
142
原创 双向bidirectional_dynamic_rnn()之 tf.reverse_sequence()详述
在看bidirectional_dynamic_rnn()的源码的时候，看到了为何可以双向的核心代码reverse_sequence()，下面就来说说双向bidirectional_dynamic_rnn()是如何进行反转的。reverse_sequence( input, seq_lengths, seq_axis=None, batch_axis=None, name=N...
2020-04-10 11:55:57
201
原创 训练，验证，测试模型
# coding: utf-8from BilstmModel.BilstmModel import BilstmModelfrom BilstmModel.cnn_model import TextCNNfrom DataProcess.DateProcess import process_file, build_word_to_id, build_lables_to_id, batch_...
2020-04-07 17:41:22
318
原创 NLP分类常用模型（三）：bert 提取特征 + 全连接tf.layers.dense()
bert提取句向量特征：from bert_serving.client import BertClient# message 这个表示一个batch_size(cporch)数据 def _get_message_text(self, message): all_tokens = [] # msg 是某一句话 for msg in me...
2020-04-07 17:27:46
3444
原创 NLP分类常用模型（二）：rnn多层 tf.nn.dynamic_rnn()+ 全连接tf.layers.dense()
"""文本分类，RNN模型""" def __init__(self): # 三个待输入的数据 self.x = tf.placeholder(tf.int32, [None, config.max_seq_length], name='x') self.y = tf.placeholder(tf.float32, [None, config...
2020-04-07 17:16:34
514
原创 NLP分类常用模型（一）：一维卷积tf.layers.conv1d() + 全连接tf.layers.dense()
class TextCNN(object): """文本分类，CNN模型""" def __init__(self): # 三个待输入的数据 self.x = tf.placeholder(tf.int32, [None, config.max_seq_length], name='input_x') self.y = tf.pla...
2020-04-07 17:14:22
922
原创 tf.nn.conv1d（）详细正确解析
一维卷积处理文本，在某些场合，效果非常好函数定义如下：tf.layers.conv1d(inputs,filters,kernel_size,strides=1,padding='valid',data_format='channels_last',dilation_rate=1,activation=None,use_bias=True,kernel_initialize...
2020-04-07 16:50:47
10322
4
原创 python 从A文件夹调用B文件夹的文件
如图所示，现在要完成的是从test包中的test.py文件，调用DataProcess包下面的cnews里面的cnews.train.txt文件，test包和DataProcess包是同一级别，都在项目PracticeBilstm下面path = '../DataProcess/cnews/cnews.test.txt'with open(path, 'r', encoding='utf-8...
2020-03-31 18:07:45
858
原创 python处理数据库append和extend的核心区别
c = []a = ['11','2','33']b = ['aa','b','cc']c.append(a)c.append(b)print(c)输出的结果是：[['11', '2', '33'], ['aa', 'b', 'cc']]c = []a = ['11','2','33']b = ['aa','b','cc']c.extend(a)c.extend(b)pr...
2020-03-31 10:21:42
257
原创 tensorflow 使用THUCNews数据子集语料完成文本分类
https://blog.csdn.net/weixin_41781408/article/details/88082213
2020-03-25 10:05:48
456
原创 python使用pymysql连接 Mysql 数据库
import pymysqldb = pymysql.connect("192.168.50.231", "root", "1234", "datasir")# 四个参数依次代表：IP地址，mysql的账号和密码，数据库的名称cursor = db.cursor()sql = """select SUM(DpstBal)FROM t_rep_dpstcust_sec where Br...
2019-12-12 10:07:47
108
原创 使用bert预训练模型进行微调预测，完成文本分类
https://blog.csdn.net/clnjust/article/details/100514231
2019-11-20 10:19:17
2099
原创 将文件前多少行或隔几行读取到另一个文件
n=0with open('D:\AllData\cnews\\train.tsv',"r", encoding='UTF-8') as f: with open("train.tsv", "w", encoding='UTF-8') as f1: for line in f.readlines(): n=n+1 if n <15: ...
2019-11-12 09:34:31
486
原创 socket客户端原理详解（传文字或图片）
//1.创建socket Socket s = new Socket("192.168.50.185", 5051); System.out.println("已连接到服务器185端口，准备传送图片 ..."); //2.得到socket读写流 OutputStream out = s.getOutputStream()...
2019-08-05 15:10:41
563
原创 java init()与clinit()的区别
clinit()方法：在jvm第一次加载class文件时调用，包括静态变量初始化语句和静态块的执行init():在实例创建出来的时候调用，包括调用new操作符；调用Class或java.lang.reflect.Constructor对象的newInstance()方法；调用任何现有对象的clone()方法；通过java.io.ObjectInputStream类的getObject()方法反序...
2019-08-01 10:31:31
229
原创 Java加载时的优先级之成员变量、代码块、静态代码块、静态变量和构造函数
public class Parent{ public static Print obj1 = new Print("1"); public Print obj2 = new Print("2"); public static Print obj3 = new Print("3"); static{ new Print("...
2019-07-30 18:40:54
196
原创 Python语言和JAVA语言运行机制的区别
https://blog.csdn.net/ys0813/article/details/63802122
2019-07-24 09:31:02
272
原创 MySql 查询缓存
可以通过下面的SQL查看当前查询缓存相关参数状态：SHOW VARIABLES LIKE ‘%query_cache%’;输出结果类似下面：query_cache_type 是否需要使用缓存查询缓存类型，有0、1、2三个取值。值为OFF或0时,则不使用查询缓存。值为ON或1时,表示始终使用查询缓存。值为DEMAND或2时,表示按需使用查询缓存。如果query_cache_type...
2019-07-23 11:24:30
126
原创 socket通信原理三次握手和四次挥手详解及原因
1.socket在网络层中的位置2.socket大致流程先从服务器端说起。服务器端先初始化Socket，然后与端口绑定(bind)，对端口进行监听(listen)，调用accept阻塞，等待客户端连接。在这时如果有个客户端初始化一个Socket，然后连接服务器(connect)，如果连接成功，这时客户端与服务器端的连接就建立了。客户端发送数据请求，服务器端接收请求并处理请求，然后把回应数据发...
2019-07-22 11:21:21
1306
原创 将id用时间表示
用时间+随机数 组合成idString[] strNow = new SimpleDateFormat("yyyyMMddHHmmss").format(new Date()).toString().split("-"); String str=""; for (String string : strNow) { str=str+strin...
2019-07-18 15:43:46
318
原创 idea java将图片通过虚拟路径存放到本地
现状：项目中涉及到图片，1.将图片流存放到数据库，显然非常占用内存2.将图片存放到服务器上，每次服务有改动，需要重新发布服务器的时候，则需要将图片重新copy一份3.将图片存放到本地我选择的是第三中方法，亲测有效实现第三种做法就要需要实现用虚拟路径共分为两部：第一步：在D:\tomcat\apache-tomcat-8.5.34\conf\server.xml中配置虚拟路径 <...
2019-07-18 15:38:10
3096
原创 java后端随意给前端传一个json值
JSONObject json = new JSONObject(); json.put("state", "successful"); String strJson = json.toString();
2019-07-18 15:20:31
1326
原创 将list集合转换成json传给前端
大致思路：1.先将list集合一条一条的放入map中2.再用List<Map<String, Object>> result 将之前的map装进来3.gson.toJson(result)便可以得到json格式的list集合代码如下： List<ImageInfo> imageInfos = imageFaceService.FindA...
2019-07-18 15:12:27
7050
原创 java 解决前后端跨域问题
现状：在项目中，可能前后端需要分开写，这时将会出现拒绝访问情况解决方案：在后端方法定义接收头文件即可（亲测有效）在方法内部加入这三行代码，既可以解决前后端跨域问题response.addHeader("Access-Control-Allow-Origin", "*"); response.addHeader("Access-Control-Allow-Methods", "...
2019-07-18 12:02:37
481
原创 多线程时，普通类调用service方法（解决空指针错误）
现状：在项目中，我们需要的工具类普通类，常因为业务需要，需要调用service方法来完成对数据的输出或提取，但因为spring项目在加载对象的时候，是单例模式创建，所以该对象不允许外部的类调用，而报错误：空指针解决方案：1.由外部传入实例对象（没用这个方法实现）2.自己去取spring 容器中的实体（下文就用此方法实现，亲测有效）实现自己去取，有两步：第一步：创建SpringContext...
2019-07-18 11:52:36
4461
4
原创 启动tomcat 同时启动一个socket服务
现状：在项目中，需要使用socket服务，来完成一个功能目的：在启动tomcat服务器的时候，同时启动socket服务共需要两步：第一步：写一个类，实现ServletContextListener接口import org.springframework.stereotype.Component;import javax.servlet.ServletContextEvent;impor...
2019-07-18 11:20:33
2123
原创 深度学习中的注意力模型
https://blog.csdn.net/tg229dvt5i93mxaq5a6u/article/details/78422216
2019-06-10 16:20:30
362
原创 linux环境下，java使用JNI调用c++方法
前言：先吐槽一下，网上写的真是乱七八糟，大部分都是复制粘贴，很多都跑不通，导致浪费了很多时间。吐槽结束，下面来说说我怎么写的（已跑通）**使用JNI的步骤如下：**1. 编写带有native声明的方法的java类2. 使用javac命令编译所编写的java类3. 然后使用javah + java类名生成扩展名为h的头文件4. 使用C/C++实现本地方法5. 将C/C++编写...
2019-06-04 18:27:39
1289
2
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