2018.06.06论文:12个NLP分类模型

注1:本文翻译自GitHub上的一篇介绍,介绍了基于深度学习的文本分类问题。代码和部分模型介绍在GitHub上:https://github.com/DX2017/text_classification

注2:本文参考风起云杨译文:https://blog.csdn.net/qq_35273499/article/details/79498733 并加入自己的理解整理。

1 概述

这个库 的目的是探索用深度学习进行NLP文本分类的方法。它具有文本分类的各种基准模型。

深度学习中的highway network、ResNet、Inception

不是特别清楚这三个流行且有用的模型(或者说层)的具体作用和使用方法。

概念

CNN演化

先引入一张CNN结构演化图:

pip错误:TypeError parse() got an unexpected keyword argument transport_encoding.md

1环境

Win10,ANACONDA3(64-bit),Python3.6.2。ANACONDA Prompt中不能用pip命令安装包,并且是在安装了TensorFlow后才发生的。
TypeError: parse() got an unexpected keyword argument ‘transport_encoding’

2错误信息

报错如下:

深度学习 自然语言处理 怎么获得数据集 中文语料集?

现如今构件人工智能、机器学习甚至深度学习系统,变得越来越容易。

但是让这些模型或者系统真正有价值的却是“数据”。那么如果刚刚上手机器学习或者深度学习,怎么寻找合适的数据集呢?

下面就介绍一些获取数据的方法:

Keras1基础知识与安装.md

image

[toc]

Keras:1 基础知识与安装

1.1 为什么学习keras

1.1.1 keras的优点

如果说 Tensorflow 或者 Theano 神经网络方面的巨人. 那 Keras 就是站在巨人肩膀上的人. Keras 是一个兼容 Theano 和 Tensorflow 的神经网络高级包, 用他来组件一个神经网络更加快速, 几条语句就搞定了. 而且广泛的兼容性能使 Keras 在 Windows 和 MacOS 或者 Linux 上运行无阻碍。

linux的Anaconda环境下安装TensorFlow

现在tensorflow全面支持python3.6了,哈哈,全面拥抱python3.6~

下附官网安装方式参考:
https://github.com/tensorflow/tensorflow/blob/master/tensorflow/docs_src/install/install_linux.md#InstallingAnaconda

Tensorboard 可视化好帮手

4.1 Tensorboard简介

学会用 Tensorflow 自带的 tensorboard 去可视化我们所建造出来的神经网络是一个很好的学习理解方式.

用最直观的流程图告诉你你的神经网络是长怎样,有助于你发现编程中间的问题和疑问.

Windows下用Anaconda安装TensorFlow并在pycharm中使用

笔者之前在学习TensorFlow,也在自己的笔记本上完成了安装,在PyCharm中进行学习。但是最近为了使用Python的科学计算环境,我把之前的环境卸载了,并用Anaconda重新安装了TensorFlow,由于自己的笔记本已经很旧了,显卡不行,所以这里介绍一下cpu版本的安装方法和自己遇到的一些坑,截图甚多。

这里直接上干货:

1.安装Anaconda

Python深度学习路线

[TOC]

学习对象

所有==大四==以及==研一==学生,研二感兴趣的学生也可参加

深度学习准备篇

==Python基础语法==
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×