2017-01-18 12:51:56 warmgulf 阅读数 779
  • 自然语言处理实战 深度学习之LSTM情感分析

    课程目标 学习完本门课程,您将对自然语言处理技术有更深入的了解, 掌握基于深度学习情感分析方法;课程基于PyTorch主流框架实现,其中涉及深度学习主流框架 LSTM模型以及自然语言处理的词向量;彻底掌握中文情感分析。 适用人群 想要从事NLP的在校学生、NLP研发工程师 自然语言处理从业者、深度学习爱好者 课程简介 NLP领域的热门应用,常用在舆情分析,文章分类,智能客服,情感分析等多个场景。情感分析作为自然语言处理的基础技术之一,常被用于电商评论、舆情监控、 微博评论情感分析、话题监督等领域,因此深入掌握情感分析技术,是作为自然语言处理从业者必备技能,本课程以案例驱动出发,结合多个项目实战案例,覆盖多种算法,如RNN ,LSTM等 课程要求: (1)开发环境:python版本:Python3.7; torch 版本:1.3.0+; torchtext版本:0.3.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握深度学习情感分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码。 案例5-情感分析功能点

    41 人正在学习 去看看 沈福利

最近看了一篇程序员的深度学习入门文章,觉得非常适合我这种数学学得不太好,但懂一点Python的人。
原文地址:https://www.zybuluo.com/hanbingtao/note/433855
撸代码的过程中,发现这篇文章的代码是用Python2写的,而我用的是Python3,于是对教程中的代码做了一些改动,以下是我的代码:

class Perceptron:
    def __init__(self,input_num,activator):
        self.activator = activator
        self.weights = [0 for i in range(input_num)]
        self.bias = 0

    def __str__(self):
        return '权重:%s\n偏置项:%f\n' % (self.weights,self.bias)

    def predict(self,input_vec):
        temp_list=[]
        for i in range(len(input_vec)):
            temp_list.append(input_vec[i]*self.weights[i])
        return self.activator(sum(temp_list)+self.bias)

    def train(self,input_vecs,labels,iteration,rate):
        for i in range(iteration):
            self._one_iteration(input_vecs,labels,rate)

    def _one_iteration(self,input_vecs,labels,rate):
        samples = zip(input_vecs,labels)
        for (input_vec,label) in samples:
            output = self.predict(input_vec)
            self._update_weights(input_vec,output,label,rate)

    def _update_weights(self,input_vec,output,label,rate):
        delta = label-output
        temp_list=[]
        for i in range(len(self.weights)):
            temp_list.append(self.weights[i]+rate*delta*input_vec[i])
        self.weights=temp_list
        self.bias=self.bias+rate*delta


def f(x):
    return 1 if x>0 else 0

def get_training_dataset():
    input_vecs=[[1,1],[0,0],[1,0],[0,1]]
    labels=[1,0,0,0]
    return input_vecs,labels

def train_and_perceptron():
    p=Perceptron(2,f)
    input_vecs,labels=get_training_dataset()
    p.train(input_vecs,labels,10,0.1)
    return p

if __name__=='__main__':
    and_perception=train_and_perceptron()
    print(and_perception)
    print('用训练好的感知器来预测结果:')
    print('predict(1,1):%d'% and_perception.predict([1,1]))
    print('predict(0,0):%d'% and_perception.predict([0,0]))
    print('predict(1,0):%d'% and_perception.predict([1,0]))
    print('predict(0,1):%d'% and_perception.predict([0,1]))

输出结果如下:

这里写图片描述

这样,一个训练好的感知器就完成啦,哈哈哈。

2018-09-05 01:17:26 qq_20011607 阅读数 671
  • 自然语言处理实战 深度学习之LSTM情感分析

    课程目标 学习完本门课程,您将对自然语言处理技术有更深入的了解, 掌握基于深度学习情感分析方法;课程基于PyTorch主流框架实现,其中涉及深度学习主流框架 LSTM模型以及自然语言处理的词向量;彻底掌握中文情感分析。 适用人群 想要从事NLP的在校学生、NLP研发工程师 自然语言处理从业者、深度学习爱好者 课程简介 NLP领域的热门应用,常用在舆情分析,文章分类,智能客服,情感分析等多个场景。情感分析作为自然语言处理的基础技术之一,常被用于电商评论、舆情监控、 微博评论情感分析、话题监督等领域,因此深入掌握情感分析技术,是作为自然语言处理从业者必备技能,本课程以案例驱动出发,结合多个项目实战案例,覆盖多种算法,如RNN ,LSTM等 课程要求: (1)开发环境:python版本:Python3.7; torch 版本:1.3.0+; torchtext版本:0.3.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握深度学习情感分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码。 案例5-情感分析功能点

    41 人正在学习 去看看 沈福利
2020-02-11 18:43:30 weixin_41845265 阅读数 15
  • 自然语言处理实战 深度学习之LSTM情感分析

    课程目标 学习完本门课程,您将对自然语言处理技术有更深入的了解, 掌握基于深度学习情感分析方法;课程基于PyTorch主流框架实现,其中涉及深度学习主流框架 LSTM模型以及自然语言处理的词向量;彻底掌握中文情感分析。 适用人群 想要从事NLP的在校学生、NLP研发工程师 自然语言处理从业者、深度学习爱好者 课程简介 NLP领域的热门应用,常用在舆情分析,文章分类,智能客服,情感分析等多个场景。情感分析作为自然语言处理的基础技术之一,常被用于电商评论、舆情监控、 微博评论情感分析、话题监督等领域,因此深入掌握情感分析技术,是作为自然语言处理从业者必备技能,本课程以案例驱动出发,结合多个项目实战案例,覆盖多种算法,如RNN ,LSTM等 课程要求: (1)开发环境:python版本:Python3.7; torch 版本:1.3.0+; torchtext版本:0.3.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握深度学习情感分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码。 案例5-情感分析功能点

    41 人正在学习 去看看 沈福利
2018-09-04 16:21:18 qq_23869697 阅读数 929
  • 自然语言处理实战 深度学习之LSTM情感分析

    课程目标 学习完本门课程,您将对自然语言处理技术有更深入的了解, 掌握基于深度学习情感分析方法;课程基于PyTorch主流框架实现,其中涉及深度学习主流框架 LSTM模型以及自然语言处理的词向量;彻底掌握中文情感分析。 适用人群 想要从事NLP的在校学生、NLP研发工程师 自然语言处理从业者、深度学习爱好者 课程简介 NLP领域的热门应用,常用在舆情分析,文章分类,智能客服,情感分析等多个场景。情感分析作为自然语言处理的基础技术之一,常被用于电商评论、舆情监控、 微博评论情感分析、话题监督等领域,因此深入掌握情感分析技术,是作为自然语言处理从业者必备技能,本课程以案例驱动出发,结合多个项目实战案例,覆盖多种算法,如RNN ,LSTM等 课程要求: (1)开发环境:python版本:Python3.7; torch 版本:1.3.0+; torchtext版本:0.3.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握深度学习情感分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码。 案例5-情感分析功能点

    41 人正在学习 去看看 沈福利
2019-03-28 23:35:23 gqqad123 阅读数 90
  • 自然语言处理实战 深度学习之LSTM情感分析

    课程目标 学习完本门课程,您将对自然语言处理技术有更深入的了解, 掌握基于深度学习情感分析方法;课程基于PyTorch主流框架实现,其中涉及深度学习主流框架 LSTM模型以及自然语言处理的词向量;彻底掌握中文情感分析。 适用人群 想要从事NLP的在校学生、NLP研发工程师 自然语言处理从业者、深度学习爱好者 课程简介 NLP领域的热门应用,常用在舆情分析,文章分类,智能客服,情感分析等多个场景。情感分析作为自然语言处理的基础技术之一,常被用于电商评论、舆情监控、 微博评论情感分析、话题监督等领域,因此深入掌握情感分析技术,是作为自然语言处理从业者必备技能,本课程以案例驱动出发,结合多个项目实战案例,覆盖多种算法,如RNN ,LSTM等 课程要求: (1)开发环境:python版本:Python3.7; torch 版本:1.3.0+; torchtext版本:0.3.0+ (2)开发工具:Pycharm; (3)学员基础:需要一定的Python基础,及深度学习基础; (4)学员收货:掌握深度学习情感分类关键技术; (5)学员资料:内含完整程序源码和数据集; (6)课程亮点:专题技术,完整案例,全程实战操作,徒手撸代码。 案例5-情感分析功能点

    41 人正在学习 去看看 沈福利

深度学习入门路线

阅读数 145

没有更多推荐了,返回首页