主页

MobileNet V1 MobileNet是谷歌开发的专注于移动端和嵌入式开发的轻量级CNN网络，MobileNet v1（论文链接）于2017年发表。MobileNet的最大贡献是提出了深度可分离卷积（depthwise separable convolution）的概念。 深度可分离卷积 深度可分离卷积，是由depthwise和pointwise两个部分结合起来，用于提取特征，能够有效的降低参数数量和运算成本。以下说明和图片引用了这篇博客。 常规卷积运算 对于一张5×5像素、三通道（shape为5×5×3），经过3×3卷积核的卷积层（假设输出通道数为4，则卷积核shape为3×3×3×4，最终输出4个Feature Map，如果有same padding则尺寸与输入...

深度推荐系统学习总结 转载自 王喆编著《深度学习推荐系统》 模型名称 基本原理 特点 局限性 AutoRec 基于自编码器，对用户或者物品进行编码，利用自编码器的泛化能力进行推荐 单隐层神经网络结构简单，可实现快速训练和部署 表达能力较差 Deep Crossing 利用”Embedding层+多隐层+输出层”的经典深度学习框架，预完成特征的自动深度交叉 经典的深度学习推荐模型框架 利用全连接隐层进行特征交叉，针对性不强 NeuralCF ...

python字符串format功能，可以格式化多种形式的字符串。 下面是一些python数字格式化的例子，原帖地址 数字 格式 输出 描述 3.1415926 {:.2f} 3.14 保留小数点后两位 3.1415926 {:+.2f} +3.14 带符号保留小数点后两位 -1 {:+.2f} -1.00 带符号保留小数点后两位 2.71828 {:.0f} ...

linux系统安装软件包，分两种情况 当系统是debian, ubantu的情况, 安装包是.deb文件: sudo dpkg -i package_name.deb 当系统是centos, redhat的情况，安装包是.rpm文件： sudo rpm -ivh package_name.rpm

概括 DeepFM模型是华为诺亚实验室于2017年发布的推荐系统模型（论文链接）。这篇文章是基于Google的Wide & Deep模型的改进和提升，被广泛的应用在工程推荐系统上。 DeepFM是基于Wide & Deep模型思想的，因此模型的结构也是同样用一个浅层模型来提取记忆，即出现过的特征组合，一个深层模型负责泛化，即搜索新的特征组合。DeepFM对于Wide & Deep的改进主要有： Wide模型由LR修改成了FM（Factor Machine），FM可以起到自动学习交叉特征的作用，避免了外积交叉特征工程部分。 共享原始输入特征，原始的特征即用在Wide模型，又用在Deep模型上，也是为了简化特征工程。 DeepFM和其他推荐系统模...

拿到一台新的VPS，按照顺序执行下面几件事情 更改SSH端口： 22端口很容易被攻击，如果刚好密码设置的比较简单，就会被轻易的控制。CentOS控制SSH登陆的文件位置是：/etc/ssh/sshd_config， 用vim编辑这个文件，找到Port=22字段，修改为自定义的端口即可。操作成功后重启SSH服务：service sshd restart VPS测速脚本： wget -qO- bench.sh | bash 显示本机测试信息，并且提供了全球多处测速中心的测速数值。 VPS回程路由脚本： wget https://raw.githubusercontent.com/n...

方法参考了这篇博客： https://www.logcg.com/archives/1914.html 有的时候用pip命令安装第三方框架，网络龟速，并且经常断连。好在我们有代理。这里我使用的是linux-clash，本地代理地址是 127.0.0.1:7890 如果用bash终端，编辑~/.bacshrc文件，如果是zsh终端，编辑~/.zshrc文件。 话不多说，直接上代理配置： alias pip = "pip --proxy 127.0.0.1:7890" 把7890替换成自己的代理端口可以了，注意pip只支持HTTP，HTTPS代理，不支持Socks代理。

概括 Wide & Deep模型是Google于2016年在DLRS上发布的推荐系统模型（论文链接）。它的主要思想是同时兼顾模型的记忆性（Memorization）和泛化性* （Generlization）。论文用Wide模型来负责记忆部分，用来负责学习和预测特征之间的相关性；同时，用Deep模型来负责泛化部分，发现历史数据中较少出现的新的特征组合。在模型的选取上，作者用一般的线性模型作为Wide模型，用DNN作为Deep模型。通过同步训练Wide模型和Deep模型，来同时达到对用户历史行为的归纳和对新的物品种类的推荐。 模型原理 Wide模型 Wide模型是一个广义线性模型（generalized linear model），具有$y=\omega^Tx+...