高级激活层Advanced ActivationLeakyReLU层keras.layers.advanced_activations.LeakyReLU(alpha=0.3)LeakyRelU是修正线性单元（Rectified Linear Unit，ReLU）的特殊版本，当不激活时，LeakyReLU仍然会有非零输出值，从而获得一个小梯度，避免ReLU可能出现的神经元“死亡”现...

做dl也有一段时间了，积累了一些经验，也在网上看到一些别人的经验。 为了面试，结合知乎上面的问答，我也总结了一下，欢迎大家补充。知乎 深度学习调参有哪些技巧？一. 初始化 有人用normal初始化cnn的参数，最后acc只能到70%多，仅仅改成xavier，acc可以到98%。二.从理解CNN网络以产生直觉去调参数的角度考虑，应该使用可视化 可视化（知乎用户 杨军）1.Visualize Laye

BLEU，全称为Bilingual Evaluation Understudy（双语评估替换），是一个比较候选文本翻译与其他一个或多个参考翻译的评价分数。尽管BLEU一开始是为翻译工作而开发，但它也可以被用于评估文本的质量，这种文本是为一套自然语言处理任务而生成的。通过本教程，你将探索BLEU评分，并使用Python中的NLTK库对候选文本进行评估和评分。完成本教程后，你将收获：B...

Attention Mechanism可以帮助模型对输入的X每个部分赋予不同的权重，抽取出更加关键及重要的信息，使模型做出更加准确的判断，同时不会对模型的计算和存储带来更大的开销，这也是Attention Mechanism应用如此广泛的原因。 之前在做知识库问答和阅读理解问答的研究中都用到了attention机制，效果确实比较显著（虽然减慢训练速度的效果也比较显著…）。在是谷歌发布论文Atte.

gsettings set com.canonical.Unity.Launcher launcher-position Bottomgsettings set com.canonical.Unity.Launcher launcher-position Left命令是调整到左边的参考文献：https://blog.csdn.net/deus_ex_machina/article/details/

  本人经过一番寒彻骨，学习shell、linux、kaldi，终于将kaldi中最简单的样例理解，由于过于口语话，文中可能出现措辞不当，忘谅解。  首先我们打开kaldi中yesno例子，打开脚本run.sh，第一行是脚本解释器，，我们采用bash这个脚本解释器；  然后是train_cmd,decode_cmd两个变量，进行本地运行。对于接下来的if条件语句，如果你已经下载了yesno的语料，

1.cd /usr/bin2.sudo rm -rf python3.sudo ln -s /usr/bin/python3  /usr/bin/python

最近两年，注意力模型（Attention Model）被广泛使用在自然语言处理、图像识别及语音识别等各种不同类型的深度学习任务中，是深度学习技术中最值得关注与深入了解的核心技术之一。本文以机器翻译为例，深入浅出地介绍了深度学习中注意力机制的原理及关键计算机制，同时也抽象出其本质思想，并介绍了注意力模型在图像及语音等领域的典型应用场景。注意力模型最近几年在深度学习各个领域被广泛使用，无论是图...

背景Connectionist temporal classification简称CTC，翻译不太清楚，可以理解为基于神经网络的时序类分类。其中classification比较好理解，表示分类问题；temporal可以理解为时序类问题，比如语音识别的一帧数据，很难给出一个label，但是几十帧数据就容易判断出对应的发音label，这个词也给出CTC最核心的意义；connectionist可以理解为

最近抽空学习下Kaldi下语音识别系统，参考西工大谢磊老师硕士论文与其他博客对Kaldi下语音识别算法进行学习研究。隐马尔科夫模型（Hidden Markov Model，HMM）本质上是一种统计模型，将HMM应用与语音识别解决三大问题，后续奉上理论推导（本人前期博客手推过一个版本）。一、HMM定义1.1 状态定义研究HMM首先得知道其定义并能对其定义进行准确的描述，...