Tensorboard1.tensorboard in tensorflow1.1 tensorboard的启动过程1.2 tf.summary 可视化类型1.3 tf.summary 使用demo2.tensorboard in pytorch2.1 SummaryWriter 使用demotensorboardin tensorflow ：tensorboard 是一套用于tensorflow

注意力机制+深度推荐模型1.AFM -20172.DIN-20173.DIEN-20191.AFM -2017浙江大学–基于模型结构的改进引入注意力机制FM， 可视为NFM模型的改进。给特征交叉池化后的特征向量施加不同的注意力权重。出发点：预测某一男性是否购买某一键盘。那么‘性别为男且历史行为购买过鼠标’ 这一交叉特征 很可能 比 ‘性别为男且年龄为30’这一交叉特征更为重要。具体做法：交叉特征进

NLP复习资料-第八章第16讲—知识图谱第17讲-信息抽取（知识图谱生命周期中信息获取的关键技术）国科大，宗老师《自然语言处理》课程复习笔记，个人整理，仅供参考。第16讲—知识图谱知识图谱=经典知识表示理论+语义网资源描述框架经典知识表示理论：一阶谓词逻辑，语义网络（有向图描述知识系统），框架（框架名，槽，侧面，和值），脚本（与框架类似，由槽组成，用于描述过程）语义网是一组描述规范：X...

图神经网络简史、简介从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网络模型 (二)(https://www.cnblogs.com/SivilTaram/p/graph_neural_network_2.html)该文详细写明了设涉及的参考材料，是一个很棒的综述性材料。本文仅作为阅读该系列文章的笔记，详情请参考原文。此前的图神经网络是基于循环结构，此篇主要介绍基于..

NLP复习资料-第八章国科大，宗老师《自然语言处理》课程复习笔记，个人整理，仅供参考。第八章：语法理论（第三章的后续）1.出发点chomsky的四类文法过于泛化，生成能力太强了，会生成没有语义合理性的句子2.功能合一文法FUG（允许嵌套结构）：P9(重要的两个概念)复杂特征集合描述词，句法规则，语义信息，句子功功能结构。合一运算：合并复杂特征集合。掌握P19例1例23.词汇功能语法L...

损失函数1.激活函数2.损失函数概述2.1均方误差损失函数2.2交叉熵损失函数2.3 NLLLoss()input is of size N x C = 3 x 5each element in target has to have 0 <= value < C1.激活函数全连接网络又叫多层感知器，多层感知器的基本单元神经元是模仿人类神经元兴奋与抑制机制，对其输入进行加权求和，若超..

指针1.指针的基本概念1.1指针的简介1.2指针的声明及初始化1.3取地址符号&1.4间接运算符*2.空指针、void指针2.1空指针2.2void *ptr3.指针的使用示例《老九学堂C++课程》《C++ primer》学习笔记。《老九学堂C++课程》详情请到B站搜索《老九零基础学编程C++入门》-------------简单的事情重复做，重复的事情用心做，用心的事情坚持做(老九君)--

去量纲：归一化、标准化1.归一化(Normalization)1.1 Min-Max Normalization1.2 非线性Normalization2.标准化(Standardlization)2.1 Z-score Normalization3.标准化在梯度下降算法中的重要性本系列博文为葫芦书《百面机器学习》阅读笔记。去量纲化 可以消除特征之间量纲的影响，将所有特征统一到一个大致相同的数..

损失函数1.激活函数2.损失函数概述2.1均方误差损失函数2.2交叉熵损失函数2.3 NLLLoss()input is of size N x C = 3 x 5each element in target has to have 0 <= value < C1.激活函数全连接网络又叫多层感知器，多层感知器的基本单元神经元是模仿人类神经元兴奋与抑制机制，对其输入进行加权求和，若超..

去量纲：归一化、标准化1.归一化(Normalization)1.1 Min-Max Normalization1.2 非线性Normalization2.标准化(Standardlization)2.1 Z-score Normalization3.标准化在梯度下降算法中的重要性本系列博文为葫芦书《百面机器学习》阅读笔记。去量纲化 可以消除特征之间量纲的影响，将所有特征统一到一个大致相同的数..