概述将电影中评论中的某个句子的所有词变成对应的维度的embedding向量，然后将多个句子组合成batch送入神经网络，标签是句子所代表的正面或者负面的标签。实战前面同上一篇对句子进行paddding# 设置句子的长度，长度高于500的会被截断，长度低于500的会被补全max_length = 500train_data = keras.preprocessing.sequ...

卷积目的：如果直接把原图像的全部信息输入网络中，那么冗余信息非常之多并且计算量会非常大，因此利用卷积可以减少冗余信息并且提取必要的特征。不同的卷积核可以提取不同的特征。原理：用卷积核在输入图像上滑动，对应像素点做运算。卷积核滑动运算池化目的：卷积操作会降低一定的信息冗余，但是相邻像素点的像素值信息会非常接近。池化操作就进一步解决了信息冗余的问题，通过减小输入的大小降低输出值的数量，通常有最大值、最

jiaguimport jiagudir(jiagu)['__builtins__','__cached__','__doc__','__file__','__loader__','__name__','__package__','__path__','__spec__','analyze','any','cluster','cut',...

什么是LSTM与Bi-LSTMLSTM的全称是Long Short-Term Memory，它是RNN（Recurrent Neural Network）的一种。LSTM由于其设计的特点，非常适合用于对时序数据的建模，如文本数据。BiLSTM是Bi-directional Long Short-Term Memory的缩写，是由前向LSTM与后向LSTM组合而成。两者在自然语言处理任务中都常被用.

利用预训练好的resnet50模型进行迁移训练在下载resnet50模型时出现了域名解析错误，查了好多都不知道怎么解决。总的来看，网络分为了两层：第一层是renet50的模型，其中包含了很多卷积层与池化层等，并且已经预训练好了权重偏置等。第二层是自定义的全连接层。在训练模型时，设置的是仅训练全连接层，及resnet50_fine_tune.layer[0].trainable = False...

# This Python 3 environment comes with many helpful analytics libraries installed# It is defined by the kaggle/python docker image: https://github.com/kaggle/docker-python# For example, here's sever..

利用预训练好的resnet50模型进行迁移训练在下载resnet50模型时出现了域名解析错误，查了好多都不知道怎么解决。总的来看，网络分为了两层：第一层是renet50的模型，其中包含了很多卷积层与池化层等，并且已经预训练好了权重偏置等。第二层是自定义的全连接层。在训练模型时，设置的是仅训练全连接层，及resnet50_fine_tune.layer[0].trainable = False...