run examplesgit clone https://github.com/MachineLP/TextMatchcd TextMatchexport PYTHONPATH=${PYTHONPATH}:../TextMatchpython tests/tools_test/faiss_test.pytests/tools_test/faiss_test.pyimport sysimport

 pycuda安装：    （1）查看CUDA版本：cat /usr/local/cuda/version.txt   （目前实验CUDA版本为：CUDA Version 9.0.176）    （2）查看cudnn版本：cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2   （目前实验cudnn版本：7.0）  ...

本人kaggle分享链接：https://www.kaggle.com/c/bengaliai-cv19/discussion/128592Mixupfrom torchtoolbox.tools import mixup_data, mixup_criterionalpha = 0.2for i, (data, labels) in enumerate(train_data...

RGB = imread('sy.jpg');                     % 读入图像imshow(RGB),                                  % 显示原始图像GRAY = rgb2gray(RGB);                          % 图像灰度转换imshow(GRAY),              

上一次提到了不错的学习聊天机器人的资源，不知道小伙伴们有没有去学习呢。自己动手做聊天机器人教程我最近每天都会学一点，拿出解读来和大家分享一下。本文结构：聊天机器人的架构简图用 TensorFlow 实现 Chatbot 的模型如何准备 chatbot 的训练数据Chatbot 源码解读1. 聊天机器人的架构简图

 机器学习之Softmax回归-Softmax回归模型是logistic回归模型在多分类问题上的推广，在多分类问题中，类标签 y 可以取两个以上的值。-Softmax回归模型对于诸如MNIST手写数字分类等问题是很有用的，该问题的目的是辨识10个不同的单个数字。-Softmax回归是有监督的在 logistic 回归中，我们的训练集由个已

你要的答案或许都在这里：小鹏的博客目录MachineLP的Github（欢迎follow）：https://github.com/MachineLP简介机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中，我们一般都是采用启发式学习方式来实验。通常最开始我们都会选择大家普遍认同的算法，诸如SVM，GBDT，Adaboost，现在...

Tricks！这是一个让人听了充满神秘和好奇的词。对于我们这些所谓的尝试应用机器学习技术解决某些问题的人，更是如此。曾记得，我们绞尽脑汁，搓手顿足，大喊“为什么我跑的模型不work？”，“为什么我实现的效果那么差？”，“为什么我复现的结果没有他论文里面说的那么好？”。有人会和你说“你不懂调参！里面有很多Tricks的！”，“可能作者没有完全描述实现过程的Tricks，你发邮件去问问原作者！”我的天

BERT:(Bidirectional Encoder Representations from Transformers)BERT的新语言表示模型，它代表Transformer的双向编码器表示。与最近的其他语言表示模型不同，BERT旨在通过联合调节所有层中的上下文来预先训练深度双向表示。因此，预训练的BERT表示可以通过一个额外的输出层进行微调，适用于广泛任务的最先进模型的构建，比如问答...

之前的三篇博文已经进行了一次还算完整的特征工程，分析字符串类型的变量获取新变量，对数值变量进行规范化，获取派生属性并进行维规约。现在我们已经有了一个特征集，可以进行训练模型了。由于这是一个分类问题，可以使用L1 SVM 随机森林等分类算法，随机森林是一个非常简单而且实用的分类模型，可调的变量很少。它的一个非常重要的变量是树的个数，树的个数增加到一定大小后会使耗时加大，但是精度不会增加很多。