- 今天我们演示如何在生产环境中使用Keras、Redis、Flask 和 Apache 进行深度学习 项目结构 keras-complete-rest-api ├── helpers.py ├── je... 今天我们演示如何在生产环境中使用Keras、Redis、Flask 和 Apache 进行深度学习 项目结构 keras-complete-rest-api ├── helpers.py ├── je...
- Keras视频分类 在此教程中,您将学习如何使用Keras、Python 和深度学习执行视频分类。 具体来说,您将学习: 视频分类与标准图像分类的区别如何使用 Keras 进行图像分类来训练一个旋转... Keras视频分类 在此教程中,您将学习如何使用Keras、Python 和深度学习执行视频分类。 具体来说,您将学习: 视频分类与标准图像分类的区别如何使用 Keras 进行图像分类来训练一个旋转...
- Keras:多个输出和多个损失 几周前,我们讨论了如何使用 Keras 和深度学习执行多标签分类。 今天,我们将讨论一种更高级的技术,称为多输出分类。 那么,两者有什么区别呢? 在多标签分类中,您的网... Keras:多个输出和多个损失 几周前,我们讨论了如何使用 Keras 和深度学习执行多标签分类。 今天,我们将讨论一种更高级的技术,称为多输出分类。 那么,两者有什么区别呢? 在多标签分类中,您的网...
- 前言 Indri是Lemur项目衍生的一个基于语言模型的新的搜索引擎,由University of Massachusetts和Carnegie Mellon University合作开发。 安装 下载。下载Indri并进入indri文件夹的顶层目录!!! 修改configure文件权限。确认其中的configure文件的权... 前言 Indri是Lemur项目衍生的一个基于语言模型的新的搜索引擎,由University of Massachusetts和Carnegie Mellon University合作开发。 安装 下载。下载Indri并进入indri文件夹的顶层目录!!! 修改configure文件权限。确认其中的configure文件的权...
- 前言 论文:https://arxiv.org/pdf/1712.02856.pdf ; 代码和语料:https://github.com/hankcs/multi-criteria-cws 。 本文参见上面论文及代码,介绍了一种简洁优雅的多标准中文分词方案,可联合多个不同标准的语料库训练单个模型,同时输出多... 前言 论文:https://arxiv.org/pdf/1712.02856.pdf ; 代码和语料:https://github.com/hankcs/multi-criteria-cws 。 本文参见上面论文及代码,介绍了一种简洁优雅的多标准中文分词方案,可联合多个不同标准的语料库训练单个模型,同时输出多...
- 前言 用户建模是搜索与推荐模型的核心技术。其实很多人对用户模型的概念比较模糊,用户模型更多是在产品生命周期中起关键作用,其结合数据、反馈、行为三个方面的信息总结概括出产品用户模型。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。淘宝搜索排序算分的对象是 <user, query, item> 三元组,我们从样本... 前言 用户建模是搜索与推荐模型的核心技术。其实很多人对用户模型的概念比较模糊,用户模型更多是在产品生命周期中起关键作用,其结合数据、反馈、行为三个方面的信息总结概括出产品用户模型。 01 背景与意义 用户建模是搜索与推荐模型的核心技术。淘宝搜索排序算分的对象是 <user, query, item> 三元组,我们从样本...
- 一,激活函数 我们用激活函数,来表示不同强度的信号是否激活了神经元,这是这个名字的来由。 主要作用是提供网络的非线性建模能力。 也就是说,需要一个递增函数,定义域是R,值域是0到1的区间(开区间还是闭区间不重要)。 这个激活函数是用来把特征值转化成0-1的数的,这样,整个网络就不是简单的线性计算了。 然而实际上,激活函数本... 一,激活函数 我们用激活函数,来表示不同强度的信号是否激活了神经元,这是这个名字的来由。 主要作用是提供网络的非线性建模能力。 也就是说,需要一个递增函数,定义域是R,值域是0到1的区间(开区间还是闭区间不重要)。 这个激活函数是用来把特征值转化成0-1的数的,这样,整个网络就不是简单的线性计算了。 然而实际上,激活函数本...
- 前言 本次分享的主题为医疗健康领域的短文本理解,主要介绍在丁香园的业务场景下,短文本理解的技术实践,并讨论知识图谱技术如何在医疗健康领域的搜索推荐中落地应用,希望能够给大家的日常工作提供一些思路。 主要内容包括: 丁香园主要的业务和所服务的对象,以及在垂直领域下NLP工作可能需要面对的挑战 在医疗健康领域短文本理解上的... 前言 本次分享的主题为医疗健康领域的短文本理解,主要介绍在丁香园的业务场景下,短文本理解的技术实践,并讨论知识图谱技术如何在医疗健康领域的搜索推荐中落地应用,希望能够给大家的日常工作提供一些思路。 主要内容包括: 丁香园主要的业务和所服务的对象,以及在垂直领域下NLP工作可能需要面对的挑战 在医疗健康领域短文本理解上的...
- 前言 学习算法一直以来是机器学习能根据数据学到知识的核心技术。而好的优化算法可以大大提高学习速度,加快算法的收敛速度和效果。本文从浅层模型到深度模型纵览监督学习中常用的优化算法,并指出了每一种优化算法的优点及局限性,同时其还包括了一阶和二阶等各种算法的形式化表达。 本文旨在介绍关于将最优化方法应用于机... 前言 学习算法一直以来是机器学习能根据数据学到知识的核心技术。而好的优化算法可以大大提高学习速度,加快算法的收敛速度和效果。本文从浅层模型到深度模型纵览监督学习中常用的优化算法,并指出了每一种优化算法的优点及局限性,同时其还包括了一阶和二阶等各种算法的形式化表达。 本文旨在介绍关于将最优化方法应用于机...
- 前言 最近在读论文的的过程中接触到多标签分类(multi-label classification)的任务,必须要强调的是多标签(multi-label)分类任务 和 多分类(multi-class)任务的区别: 多标签分类任务指的是一条数据可能有一个或者多个标签,举个例子:比如一个病人的体检报告,它可能被标记上,高血压,高血糖... 前言 最近在读论文的的过程中接触到多标签分类(multi-label classification)的任务,必须要强调的是多标签(multi-label)分类任务 和 多分类(multi-class)任务的区别: 多标签分类任务指的是一条数据可能有一个或者多个标签,举个例子:比如一个病人的体检报告,它可能被标记上,高血压,高血糖...
- 前言 58本地服务由数百个细分品类、多个创新业务和国际业务组成,如何构建智能化的流量分发体系是一项挑战,我们通过整合搜索和推荐场景构建了一套统一的流量分发系统,本次分享将主要介绍系统中的算法实践,包括基于信息结构化和用户意图识别的用户表征、召回和排序算法等。 01 58同城本地服务生态介绍 1. 业务背景 5... 前言 58本地服务由数百个细分品类、多个创新业务和国际业务组成,如何构建智能化的流量分发体系是一项挑战,我们通过整合搜索和推荐场景构建了一套统一的流量分发系统,本次分享将主要介绍系统中的算法实践,包括基于信息结构化和用户意图识别的用户表征、召回和排序算法等。 01 58同城本地服务生态介绍 1. 业务背景 5...
- 前言 用户画像作为当下描述分析用户、运营营销的重要工具,被全部互联网人熟知,用户画像的定义并不复杂,是系统通过用户自行上传或埋点上报收集记录了用户大量信息,为便于各业务应用,将这些信息进行沉淀、加工和抽象,形成一个以用户标志为主key的标签树,用于全面刻画用户的属性和行为信息,这就是用户画像。 画像这种结构化的用户信息加工方式,极大... 前言 用户画像作为当下描述分析用户、运营营销的重要工具,被全部互联网人熟知,用户画像的定义并不复杂,是系统通过用户自行上传或埋点上报收集记录了用户大量信息,为便于各业务应用,将这些信息进行沉淀、加工和抽象,形成一个以用户标志为主key的标签树,用于全面刻画用户的属性和行为信息,这就是用户画像。 画像这种结构化的用户信息加工方式,极大...
- 前言 今天博主来介绍一个超级简单并且又极其实用的boosting算法包Catboost,据开发者所说这一boosting算法是超越Lightgbm和XGBoost的又一个神器。 catboost 简介 在博主看来catboost有一下三个的优点: 它自动采用特殊的方式处理类别型特征(categorical features)... 前言 今天博主来介绍一个超级简单并且又极其实用的boosting算法包Catboost,据开发者所说这一boosting算法是超越Lightgbm和XGBoost的又一个神器。 catboost 简介 在博主看来catboost有一下三个的优点: 它自动采用特殊的方式处理类别型特征(categorical features)...
- 计算广告与推荐系统有哪些区别? 这两个领域的联系大于区别,区别的根本在于两个领域尝试解决的问题是不同的。 对于计算广告来说,本质上要处理的是三方利益的协调问题,这三方分别是广告主、用户和媒体。 对于推荐系统来说,本质上要处理的是用户体验的问题。 正是因为要处理问题的不同,导致了两个领... 计算广告与推荐系统有哪些区别? 这两个领域的联系大于区别,区别的根本在于两个领域尝试解决的问题是不同的。 对于计算广告来说,本质上要处理的是三方利益的协调问题,这三方分别是广告主、用户和媒体。 对于推荐系统来说,本质上要处理的是用户体验的问题。 正是因为要处理问题的不同,导致了两个领...
- 前言 在全面进入无线的时代,为了解决信息负载的问题,越来越多的推荐场景得到兴起,尤其是以列表推荐形式为主的信息流推荐。以手淘信息流为例,进入猜你喜欢场景的用户,兴趣常常是不明确的,用户浏览时往往没有明确的商品需求,而是在逛的过程中逐渐去发现想买的商品。而推荐系统在用户逛的过程中,会向客户端下发并呈现不同类型的商品让用户从中挑选,推荐系... 前言 在全面进入无线的时代,为了解决信息负载的问题,越来越多的推荐场景得到兴起,尤其是以列表推荐形式为主的信息流推荐。以手淘信息流为例,进入猜你喜欢场景的用户,兴趣常常是不明确的,用户浏览时往往没有明确的商品需求,而是在逛的过程中逐渐去发现想买的商品。而推荐系统在用户逛的过程中,会向客户端下发并呈现不同类型的商品让用户从中挑选,推荐系...
上滑加载中
推荐直播
-
仓颉编程语言开源创新人才培养经验分享
2025/08/06 周三 19:00-20:00
张引 -华为开发者布道师-高校教师
热情而富有活力的仓颉社区为学生的学习提供了一个充满机遇和挑战的平台。本次直播探讨如何运用社区的力量帮助同学们变身为开源开发者,从而完成从学生到工程师身份的转变。
回顾中 -
“全域洞察·智控未来” ——云资源监控实战
2025/08/08 周五 15:00-16:00
星璇 华为云监控产品经理,霄图 华为云监控体验设计师,云枢 华为云可观测产品经理
本期直播深度解析全栈监控技术实践,揭秘华为云、头部企业如何通过智能监控实现业务零中断,分享高可用系统背后的“鹰眼系统”。即刻预约,解锁数字化转型的运维密码!
回顾中
热门标签