Home

Keras examples-imdb_bidirectional_lstm

1 任务描述本实验是训练一个双向LSTM,并在IMDB数据集上完成情感分类任务 2 具体实现(1)引入必要的包123456from __future__ import print_functionimport numpy as npfrom keras.preprocessing import sequencefrom keras.models import Sequentialfrom ker

Keras examples-babi_rnn

1 任务描述本实验利用提供的20个种类的数据集,完成KQA的任务。 2 具体实现任务整体流程如图所示: (1)引入必要的包12345678910111213from __future__ import print_functionfrom functools import reduceimport reimport tarfile # 处理压缩文件import numpy as npfrom k

Keras examples-addition_rnn

Keras examples-addition_rnn1、任务描述(1)任务概述:主要是利用序列学习来实现两个整数(字符串)的加法(2)任务分析:两个整数相加,需要通过神经网络来训练,于是不能够直接将整型作为神经网络的输入;想想办法,如果将整数和加号等都转化为字符,于是就可以用一个字符串来表示这个加法问题了;字符串表示的加法问题,可以看成是文本,于是紧接着考虑用什么语言模型来表示这个问题,由于加法

Bag of Words Meets Bags of Popcorn(2)-tfidf

本篇是kaggle之电影评论文本情感分类(Bag of Words Meets Bags of Popcorn)实现的第二篇,语言模型选择的是TFIDF主要参考:https://www.kaggle.com/rajathmc/bag-of-words-meets-bags-of-popcornhttps://www.cnblogs.com/lijingpeng/p/5787549.html这两篇文章,部分地方有修改。

Bag of Words Meets Bags of Popcorn(1)-Bag of Words

本篇是kaggle之电影评论文本情感分类(Bag of Words Meets Bags of Popcorn)的实现,主要参照Rajath Chidananda的《Bag of Words Meets Bags of Popcorn》,整体是按照他的流程来走的,对每一步都加上了注释,也对相应点给出了参考资料链接。

利用php的curl实现post和get请求

由于项目需求,进行了一段时间的微信开发。在微信开发的过程中,经常调用微信接口,通常是向微信服务器发送get或者post请求获取接口。下面给出两个具体的实现过程。