发现有价值的观点，记录自己的思考。
实验室服务器配置了一个星期，终于选择了一种合适组合方案 上一篇博客实现了利用显卡进行深度学习的相关配置，这篇博客将主要介绍如何配置Python环境 我们的目标是让所有的普通用户能直接使用anaconda环境 anaconda我就不多加介绍了，一开始我在root用户下安装anaconda，安装路径是/root/anaconda3，并通过chmod 777 命令期望所有的用户能进行访问执行，很遗憾，新建的普通用户根本无法使用conda。在网上参考了一些教程后，新建admin用户，在该用户下使用sudo命令进行...
深度学习CTR模型要解决的几个关键问题 CTR任务特点:大量离散特征的表示问题 CTR任务特点:如何快速处理大量高维度稀疏特征?(OneHot 2 Dense) 特征工程:如何从手工到自动?(深度学习的优势) 特征工程:如何捕获和表达两两组合特征?(FM机制神经网络化) 特征工程:如何捕获和表达多组组合特征?(利用Deep网络) CTR任务中的他特征类型有连续特征和离散特征，连续特征适合DNN处理，离散特性你不适合特征处理。那么如何使得离散的特征适合DNN处理呢？直观的感觉，是one-hot化。 但是on...
image_size = 224 images = tf.Variable(tf.random_normal([batch_size, image_size, image_size, 3], dtype=tf.float32, stddev=1e-1)) parameters = [] # conv1 with tf.name_scope('conv1') as scope: kernel = tf.Variable(tf.truncated_normal([11, 11, 3, 64], dtype=t...
import tensorflow as tf from tensorflow.contrib.timeseries.python.timeseries import model as ts_model class _LSTMModel(ts_model.SequentialTimeSeriesModel): def __init__(self, num_units, num_features, dtype=tf.float32): """Initialize/configure the model ob...
# -*- coding: utf-8 -*- """ Created on Sat Jan 5 23:00:01 2019 @author: VincentWei """ from __future__ import division from __future__ import print_function import numpy as np import tensorflow as tf import gym # gym环境 env = gym.make('CartPole-v0') # 超参数 ...
勾选本次任务使用的技能（最多 3 个）· 技能只提供任务指引。
联网追踪热点，查找站内内容，
将发现整理成你的下一篇笔记。