MobileNet v1总结
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...
深度推荐系统总结(转载)
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字符串格式化
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
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
DeepFM论文阅读笔记
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...
一台新VPS的处置
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...
pip命令的代理设置
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。
Wide & Deep 论文阅读笔记
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+...
共计 14 篇文章,2 页。