四、条件 四、条件 awk 允许指定输出条件，只输出符合条件的行。 输出条件要写在动作的前面。 $ awk '条件 动作' 文件名 请看下面的例子。 $ awk - F ':' '/usr/ {print $1}' demo . txt root daemon bin sys 上面...

四、Inception 4.1 Inception v1 4.1.1 网络结构 4.1.2 Inception 模块 4.1.3 辅助分类器 4.2 Inception v2 4.3 Inception v3 4.3.1 网络结构 4.3.2 设计技巧 4.3.2.1 卷积尺寸分解 4.3.2.2 网格尺寸缩减 4.3.2.3 标签平滑正则化...

四、应用 4.1 逐像素输出 4.2 可变输入类型 4.3 高效的卷积算法 4.3.1 傅里叶变换 4.3.2 可分离卷积 4.4 非监督的特征 4.5.1 随机初始化特征 4.5.2 无监督学习特征 四、应用 4.1 逐像素输出 卷积神经网络不仅可以输出分类任务的标签或者回归任务的实数值，还可以输出高维的结构化对象。如：图片上...

四、PipeLine 四、PipeLine scikit-learn 中的流水线的流程通常为： 通过一组特征处理estimator 来对特征进行处理（如标准化、正则化）。 通过一组特征提取estimator 来提取特征。 通过一个模型预测 estimator 来学习模型，并执行预测。 除了最后一个 estimator 之外，前面的所有...

四、GloVe 4.1 原理 4.2 应用 四、GloVe 学习词向量的所有无监督方法最终都是基于语料库的单词共现统计，因此这些模型之间存在共性。 词向量学习算法有两个主要的模型族： 基于全局矩阵分解的方法，如：latent semantic analysis:LSA 。 优点：能够有效的利用全局的统计信息。 缺点：在单词类比任务...

四、选择 关系型数据库 非关系型数据库 RDBMS NoSQL 四、选择 之所以写该节，是因为本文介绍 NeDB，但并不是推荐 NeDB。选取什么样的数据库主要取决于项目以及个人情感。由于涉及到 SQL 数据库与 NoSQL 数据库的概念，所以先从大的方面简单说一下，然后再介绍 Node 嵌入式数据库。 先简单回顾下数据库的分类。 数据...

四、背景 四、背景

四、TADW 4.1 模型 4.2 实验 四、TADW 大多数网络表示学习方法仅仅研究网络结构。事实上，网络顶点包含了丰富的信息（如文本内容和其它元数据），而这些方法都无法利用到这些信息。 利用顶点的文本信息的一个直接方法是：分别独立学习文本特征representation 和网络顶点representation ，然后将二者拼接在一起。这...

四、LocallyLinearEmbedding 四、LocallyLinearEmbedding LocallyLinearEmbedding 是 scikit-learn 提供的LLE 模型，其原型为： class sklearn . manifold . LocallyLinearEmbedding ( n_neighbors = 5 ,...

四、API 四、API 4.1 数据接口 4.2 模型接口 4.4 绘图API 4.5 Booster API 转换