原创 Python @property裝飾器

通過 @property 裝飾器,可以直接通過方法名來訪問方法,不需要在方法名後添加一對“()”小括號。 @property def 方法名(self) 代碼塊 例如,定義一個矩形類,並定義用 @property 修飾的方法操

原创 實現AlphaGo(一):圍棋的基本規則和代碼設計思路

      從本節開始,我們將從零開始,一行一行代碼的編寫,直到完整設計出當年擊垮13次世界圍棋冠軍李世石的AlphaGo       幸運的是,在人工智能思維下,我們不需要成爲圍棋高手就能設計出AlphaGo,我們只需要掌握圍棋的若干

原创 Auto-Encoder & VAE 實戰(MNIST數據集)

Auto-Encoder實戰 對於監督學習 loss = criteon(predict, label) 無監督學習 loss = criteon(x_hat, x)   main.py import torch from torc

原创 NLP自然語言處理(二)—— 語料及詞性標註 & 分詞 & TF-IDF

通常,NLP無法一下子處理完整的段落或句子,因此,第一步往往是分句和分詞 分詞的話,對於英語句子,可以使用NLTK中的word_tokenize函數,對於中文句子,則可使用jieba模塊   語料及詞性標註 詞性標註就是給每個詞打上詞類

原创 Docker快速Apache環境進行Web頁面部署

環境是阿里雲 ubuntu 18.0   1. 安裝Docker 我們可以從各個Linux發行版本的軟件庫中安裝,也可以直接從官方提供的腳本安裝,這樣能安裝最新的版本. 因爲在國內, 我們可以直接通過阿里雲鏡像安裝, 使用以下代碼 c

原创 WGAN-GP實戰

在實現了GAN之後,下面就來看一下WGAN-GP實戰 看一下WGAN如何解決training不穩定的問題   加了個1.3 gradientr penalty函數     wgan.py import torch from torch

原创 linux 防火牆(fierwall)操作

示例是在centos7環境下   查看防火牆狀態 sudo firewall-cmd --state 停止防火牆運行 sudo systemctl stop firewalld.service

原创 實現AlphaGo(三):創造能下圍棋的機器人

我們在上節完成了圍棋規則和棋盤狀態監測功能,本節我們在基於上節的基礎上,設計一個能自己下棋的圍棋機器人 主要有兩點: 一個是讓機器人能自己跟自己下棋 一個是讓機器人跟我們下棋 在完成這一節之後,AlphaGo所需要的所有基礎設施就基本完

原创 實現AlphaGo(二):快速構建棋盤和圍棋規則

我們迅速進入到代碼編寫階段   我們要實現的圍棋機器人必須做到以下幾點: 1, 跟蹤當前所下的每一步棋。 2, 跟蹤當前的棋局進展。如果是機器人自我對弈,那麼代碼對棋局的跟蹤與人和機器人對弈是對棋局的跟蹤有所不同。 3, 根據當前棋盤局

原创 NLP自然語言處理(零)—— NLP的來龍去脈

網上有些人說的DeepNLP,不是什麼深層次的自然語言處理模型 DeepNLP=Deep Learning + NLP 就是用深度學習的方法來進行自然語言處理 現在研究的熱點也就是用深度學習的方法來進行自然語言處理,即現在研究的熱點也就

原创 OOTB

OOTB: Out-of-the-box,是指產品首次被安裝時的默認配置    

原创 NLP自然語言處理(三)—— 文本處理方法 & 傳統NLP與深度學習NLP & NLP聊天機器人原理

文本處理方法 ①TF-IDF ②Jieba分詞 ③Onehot       將類別變量轉換爲數字型變量  稀疏 ④Word2vec       將每個單詞映射成二維空間的一個點座標 ⑤Stopwords 停用詞   傳統NLP與深度學

原创 NLP自然語言處理(一)—— NLP主要範疇 & 發展歷史 & 研究難點 & 涉及知識 & NLTK庫

  NLP主要範疇   NLP發展歷史   研究難點   NLP涉及知識 詞處理 分詞、詞性標註、實體識別、詞義消歧 語句處理 句法分析、語義分析、機器翻譯、語音合成 統計語言模型 N-Gram統計模型、馬爾可夫模型、隱馬爾可夫

原创 深度學習與神經網絡(十二)—— GAN生成對抗網絡 & DCGAN & WGAN

GAN, Generative Adversarial Networks GAN是現在deep learning最火熱的方向     可以看出2018年GAN機器生成的圖片已經非常逼真的,完全可以以假亂真了 而2014的時候質量卻還比

原创 深度學習與神經網絡(十三)—— Auto-Encoder自編碼神經網絡

自動編碼器,也就是自編碼神經網絡,是神經網絡的一種 採用無監督學習的方式對高維數據進行高效的特徵提取和特徵表示,在學術界和工業界都大放異彩     我們之前看的都是監督學習 但是生活中的大量的數據都是沒有label的 現在來看非監督學