深度学习 该文件夹包含我的各种AI和机器学习项目的深度学习模型。 长短期记忆（LSTM）卷积神经网络（CNN）ResNet50

参考链接：https://blog.csdn.net/qq_37534947/article/details/110442147，包含手动是实现RNN、pytorch实现RNN、LSTM、GRU。

PyTorch SGNS Python中Word2Vec的SkipGramNegativeSampling 。 在实现了另一个但非常普遍的。 它可以与任何嵌入方案一起使用！ 我敢打赌。 vocab_size = 20000 word2vec = Word2Vec ( vocab_size = vocab_size , embedding_size = 300 ) sgns = SGNS ( embedding = word2vec , vocab_size = vocab_size , n_negs = 20 ) optim = Adam ( sgns . parameters ()) for batch , ( iword , owords ) in enumerate ( dataloader ): loss = sgns ( iword , owords )

对文件中的讽刺数据集进行词条化、序列化，词嵌入方法，基于Tensorflow库，将单词映射到高维矢量空间，用神经网络学习情感，导出了vecs.tsv和meta.tsv文件可在https://projector.tensorflow.org/进行可视化。可配合中国大学MOOCTensorFlow实操课进行学习！

情感分类常用数据集Twitter，针对aspect term进行分类，极性分为positive，negative， neutral。只有训练集和测试集，移除了有矛盾的情感极性

用Pytorch批量标准化LSTM Cooijmans等人的“的实现。 要求 火炬0.4 python 3.x

Forecast_LSTM 该程序旨在对温度执行时间序列预测。 在sqlite3文件database.db测试数据 先决条件 Python3 点子 火炬 大熊猫 Tqdm 密谋 用法 首先，将cd转到目录，然后运行python3 train.py或python3 train2.py 。 作者 ÍcaroLorran Lopes Costa- （ ）

我就废话不多说，大家还是直接看代码吧~ def get_model(): n_classes = 6 inp=Input(shape=(40, 80)) reshape=Reshape((1,40,80))(inp) # pre=ZeroPadding2D(padding=(1, 1))(reshape) # 1 conv1=Convolution2D(32, 3, 3, border_mode='same',init='glorot_uniform')(reshape) #model.add(Activation('relu')) l1=LeakyReLU(

推文情感分析 更新（2018年9月21日）：我没有积极维护该存储库。 这项工作是针对课程项目完成的，由于我不拥有版权，因此无法发布数据集。 但是，可以轻松修改此存储库中的所有内容以与其他数据集一起使用。 我建议阅读该的，该可在docs/找到。 数据集信息 我们使用和比较各种不同的方法来对推文（二进制分类问题）进行情感分析。 训练数据集应该是tweet_id,sentiment,tweet类型的csv文件tweet_id,sentiment,tweet其中tweet_id是标识该tweet的唯一整数， sentiment是1 （正）或0 （负）， tweet是括在""的tweet 。 类似地，测试数据集是tweet_id,tweet类型的csv文件。 请注意，不需要csv标头，应将其从训练和测试数据集中删除。 要求 该项目有一些一般的图书馆要求，而某些则是针对个别方法的。 一般要求如下。 numpy scikit-learn scipy nltk 某些方法特有的库要求是： 带TensorFlow后端的keras ，用于Logistic回归，MLP，RNN（LSTM）和CNN

主要介绍了keras 自定义loss损失函数,sample在loss上的加权和metric详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧