参考：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12586969.1002.24.1cd8593aLNK3uJ&postId=95460目前调参方案有：贪心调参参考：https://blog.csdn.net/m0_37893230/article/details/104449166网格调参随即搜索调参贝叶斯调参参考：ht

3、源码中的<w:outlineLvl w:val=“2”/>就表示这是个3级大纲（因为是从0开始）。2、然后我们再获取每个段落的xml源码，即：xml = paragraph._p.xml。1、docx.Document()读取文档后会按照文章段落划分成一段一段的。4、接下来就好办了，就用字符串匹配把这个值提取出来就行了。原理和代码同上，只需要把。

因子分解机(Factorization Machine, FM, 2010年)是由Steffen Rendle提出的一种基于矩阵分解的机器学习算法。最大的特点是易于整合交叉特征、可以处理高度稀疏数据，主要应用在推荐系统及广告CTR预估等领域。数理推导FM的原始的模型方程为：y^(x):=w0+∑i=1nwixi+∑i=1n∑j=i+1n⟨vi,vj⟩xixj\hat{y}(x):=w_0+\sum

装得慢之前安装camelot的时候直接照着文档复制了命令，结果安装速度出奇的慢，anaconda明明已经换成国内镜像源了啊。细看了下命令才发现多加了个-c conda-forge。-c后面的参数就是下载通道的地址，也可以直接换成国内镜像源地址-c 下载通道名 就全等于 --channel 下载通道名装不上但有时候又会出现根本装不上的错误PackagesNotFoundError: The foll

在计算机中，加法运算比乘法运算快很多，所以在估计计算量的时候我们主要计算要做多少次乘法。在神经网络中，主要的运算是矩阵乘法。矩阵乘法的计算量是这样计算的：一个的矩阵乘以一个 的矩阵要做 次乘法，所以 就是两个矩阵相乘的计算量了。如果足够大，则其复杂度为。这就是我们计算神经网络复杂度的依据。【举个例子】计算某两层网络的复杂度？假设矩阵是的，是的，是的。所以第一层是的矩阵乘以的矩阵，得到一个的矩阵，计

看loss调参train loss与test loss结果分析train loss 不断下降，test loss不断下降，说明网络仍在学习;train loss 不断下降，test loss趋于不变，说明网络过拟合;train loss 趋于不变，test loss不断下降，说明数据集100%有问题;train loss 趋于不变，test loss趋于不变，说明学习遇到瓶颈，需要减小学习率或批量

安装前注意：这里只讨论tensorflow和keras的安装，如果你的电脑不支持CUDA、没有CUDA Toolkit、没有cuDNN这些基本的深度学习运算环境，那这篇文章可以关闭了。安装tensorflow和keras不要直接复制官网的任何命令，因为大部分情况下都会装错。安装一定要注意自己的cuda、python等环境的版本要对应，然后手动编写安装命令，不然全都错。tensorflow官网：ht

3、源码中的<w:outlineLvl w:val=“2”/>就表示这是个3级大纲（因为是从0开始）。2、然后我们再获取每个段落的xml源码，即：xml = paragraph._p.xml。1、docx.Document()读取文档后会按照文章段落划分成一段一段的。4、接下来就好办了，就用字符串匹配把这个值提取出来就行了。原理和代码同上，只需要把。

Prolog 概念：Prolog（PROgramming in LOGic的缩写）语言是一种基于 Horn 子句的逻辑型程序设计语言，也是一种陈述性语言。 Prolog 与人工智能的知识表示、自动推理、图搜索、产生式系统和专家（知识）系统有着天然的联系，很适合智能程序设计。若想详细了解可自行百科：http://baike.baidu.com/item/Prolog今天我们先搞明

原理导包：from itertools import groupby其实groupby就是对可迭代对象的批量操作，可迭代对象就是像list、dict、迭代器等这种可以用for循环遍历的数据结构或者对象。groupby()的作用就是把可迭代对象中相邻的重复元素挑出来放一起，举个例子：for key, group in groupby('AAABBBCCAAA'):print(key, list(gr