您将深入了解人工智能（AI）的核心技术与应用，包括机器学习、深度学习、自然语言处理、计算机视觉等热门领域。我们提供最新的AI教程、技术文章、行业案例与实践指南，帮助您掌握AI技术，提升编程与数据分析能力。无论您是AI初学者还是专业开发者，都可以在这里找到丰富的学习资源，助力您的职业发展与技术创新。关注我们的AI板块，了解AI最新趋势，抢占未来科技先机！
AI
本次采用的数据集分别是亚马逊商品评论数据（amazon_cells_labelled.txt）、IMDB电影评论数据(imdb_labelled.txt)、Yelp网站点评数据(yelp_labelled.txt)。数据下载地址为： 0. 读取数据 import pandas as pd file_dict = { 'amazon': 'amazon_cells_labelled.txt', 'imdb': 'imdb_labelled.txt', 'yelp':'yelp_labelled.txt' } total_df = pd.
AI
注：训练词向量的时候很可能需要设置VOCAB_MIN_COUNT=1，否则在数据集可能出现不在词典中的情况。 pad_sequences的操作数据为list of list。而CountVectorizer的操作数据为list of str。 0. 数据预处理 0.1 添加新数据 file_handle = open('new_data.txt', 'r') new_data = [] api_list = pd.read_pickle(r'api_list.pkl') api_list = [i.lower() for i in api_
AI
文章目录 * 1. 数学字体 在书籍和论文中，数学字体是必不可少的，但是很多同学并不清楚具体的内容，现在简单总结下，持续更新。 数学字体符号表示效果展示粗体(boldface)\mathbf{} R \mathbf{R} R黑板粗体(blackbold)\mathbb{} R \mathbb{R} R美术字(calligraphy)\mathcal{} L \mathcal{L} L 补充： ℜ \Re ℜ(real function) 可参考：https://latex.wikia.org/wiki/Main_page 2. 数学符号 其中 p ~ \tilde{p} p~ 中的~表示大约的意思。
AI
文章目录 * * 1. 训练word2vec # 训练词向量 w2v_data = [] for i in train_df['string'].values: w2v_data.append(i.split()) for i in test_df['string'].values: w2v_data.append(i.split()) model_word2vec = gensim.models.Word2Vec(sentences=w2v_data, size=100, window=5, min_count=1, workers=
python
self-attetion是BERT中的最为核心的内容之一，虽然TensorFlow版的BERT中的self-attention的原理和论文中是一致的，但是实现代码却有所出入。为了帮助新手快速理解这部分内容，所以通过该篇博客逐行解释具体代码。 文章目录 * * * 1. 函数参数 def attention_layer(from_tensor, to_tensor, attention_mask=None, num_attention_heads=1, size_per_head=512, query_act=None, key_act=None, value_act=None, attention_probs_dropout_prob=0.0,
1.身份运算符 身份运算符用于 比较 两个对象的 内存地址 是否一致 —— 是否是对同一个对象的引用 * 在 Python 中针对 None 比较时，建议使用 is 判断 运算符描述实例isis 是判断两个标识符是不是引用同一个对象x is y，类似 id(x) == id(y)is notis not 是判断两个标识符是不是引用不同对象x is not y，类似 id(a) != id(b) 2.is与==区别 is 用于判断 两个变量 引用对象是否为同一个 == 用于判断 引用变量的值 是否相等 >>>
python
1.模块 模块是 Python 程序架构的一个核心概念 * 每一个以扩展名 py 结尾的 Python 源代码文件都是一个 模块 * 模块名 同样也是一个 标识符，需要符合标识符的命名规则 * 在模块中定义的 全局变量 、函数、类 都是提供给外界直接使用的 工具 * 模块 就好比是 工具包，要想使用这个工具包中的工具，就需要先 导入 这个模块 2.模块的两种导入方式 1）import 导入 import 模块名1, 模块名2 提示：在导入模块时，每个导入应该独占一行 import 模块名1 import 模块名2 * 导入之后 * 通过 模块名. 使用 模块提供的工具 —— 全局变量、函数、
AI
普通排序 排序小结 由小到大，由大到小 使用sort或者sorted排序 默认是由小到大进行排序 如果希望由大到小排序 加上 reverse=True 参数 是否改变身身 如果排序用的是方法（方法就是对象的技能） 自身发生改变，理解为变身 如果排序用的是公有排序函数 不改变自身，有返回值 列表排序 列表对象自带的排序技能 # 列表排序 list_age = [14, 18, 19, 7, 6] # 有两种排序方式 # 1，使用列表对象自带的排序方法，无返回值，改变自身 res_list = list_age.sort() print(res_list, 'res') print(list_age) .使用公共的一个函数处理 # 2,
AI
gitlab ci自动化构建与部署常用配置 - npm 管理的下前端项目 这篇讲的是webpack 管理的项目，基本上也没太大区别。在使用 Gitlab CI 进行自动化构建部署的时候，需要新建一个 .gitlab-ci.yml配置文件，里面是我们自动化构建的具体步骤的脚本： image: node:8 stages: - build - deploy - prod build: stage: build script: - pwd # 可以设置 npm镜像 - npm config set registry https://registry.npm.taobao.org - npm install - npm run
AI
日志备份、服务启动等常用Linux脚本 日志备份 #!/bin/bash SRC_HOST='192.168.10.3' # ip SRC_USER='root' # 用户名 SRC_PWD='123456' # 密码 SRC_DATABASE_PREFIX='service_' # 需要备份的数据库名前缀 SRC_BACKUP_DIR='/data/mysql_backup_data/' # 备份的目录 TIME=$(date "+%Y%m%d-%H%
AI
一些常用的代理配置 终端代理设置 export {http,https,ftp}_proxy="http://user:pass@proxy:port/" export https_proxy=$http_proxy HTTP_PROXY=$http_proxy HTTPS_PROXY=$http_proxy NO_PROXY=$no_proxy # 临时socks5代理 export ALL_PROXY=socks5://ip:port wget设置代理 wget代理配置 # 修改/etc/wgetrc或者~/.wgetrc # 临时代理 wget -Y on -e "
本文章介绍使用TensorFlow2.0+ 上手mnist数据集学习的一个示例，以便快速的使用Tensorflow Tensorflow 中相关概念理解 # 计算图 是 Tensorflow 的基本计算模型 # 张量 tensor - Tensorflow管理数据的形式 Tensor("add:0",shape=(2,1),dtype=float32) 张量的三个属性：名字，维度、类型 ## 名字 name 计算节点"add"输出的第一个结果 ## 维度 shape 一个长度为2的1维数组 ## 类似 dtype 参与运行的张量类型必须一样 Tensorflow2.0 后一个训练示例的基本步骤 # 导入数据 (train_images, train_labels), (test_