首页
学习
活动
专区
工具
TVP
发布

桃花源记

专栏成员
60
文章
63723
阅读量
16
订阅数
TF入门01-Graph&Session
本文主要的介绍内容是TensorFlow的Graph和Session两个概念,即运算图和会话。
公众号-不为谁写的歌
2022-04-14
7880
tf.reshape函数用法&理解
tf.reshape函数用于对输入tensor进行维度调整,但是这种调整方式并不会修改内部元素的数量以及元素之间的顺序,换句话说,reshape函数不能实现类似于矩阵转置的操作。比如,对于矩阵[[1,2,3],[4,5,6]],如果使用reshape,将维度变为[3,2], 其输出结果为:[[1,2],[3,4],[5,6]], 元素之间的顺序并没有改变:1之后还是2,如果是矩阵转置操作,1之后应该为4。
公众号-不为谁写的歌
2022-04-14
1.2K0
【DeepLearning.AI】使用numpy搭建卷积神经网络
在每个前向传播的函数中,在参数更新时会有一个反向传播过程;此外,在前向传播过程会缓存一个参数,用于在反向传播过程中计算梯度。
公众号-不为谁写的歌
2022-04-14
9310
点击率预估模型01-FM因子分解机理论与实践
因子分解机将支持向量机SVM的优势结合分解模型。如SVM,因子分解机是一个通用的预测器,可以用在任意实数值向量上。但是不同于SVM,因子分解机能通过分解参数对变量之间的交互关系进行建模;即使在非常稀疏的场景下,如推荐系统,也能对交叉特征进行建模。因子分解机可以通过算式优化,在线性时间内进行应用计算;而且不同于SVM在对偶形式中求解问题,FM在原问题空间进行求解,不需要支持向量等,可以直接对模型参数进行估计。
公众号-不为谁写的歌
2021-03-02
6850
深度学习模型交叉特征建模不理想?试试DCNv2[论文笔记&源码解读]
构建推荐系统的关键点在于学习有效的交叉特征。特征的交叉一般通过哈达玛积来表示,比如x1表示性别,男、女;x2表示是否喜欢体育;x1&x2联合特征,会有4种取值。通过特征交叉,可以给模型带来一定的非线性表示。DCN在实际应用中,当处理十亿级别的训练数据样本时,其Cross网络部分在建模特征交叉时表达能力受限。尽管,交叉特征建模在学术上已经提出了很多新的技术方法, 但在实际工程中,许多深度学习模型仍然是通过传统的前馈神经网络来实现特征交叉建模。
公众号-不为谁写的歌
2021-01-05
1.7K0
计算广告之淘宝oCPC智能出价
Paper:Optimized Cost per Click in Taobao Display Advertising
公众号-不为谁写的歌
2020-11-26
2.5K0
推荐论文阅读之多任务建模ESM2
CVR转化率预估过程中存在样本选择偏差和数据稀疏问题。这两个问题在阿里的上一篇论文ESMM中有提到,这里介绍一下。
公众号-不为谁写的歌
2020-11-24
1K0
【每日一题】48. Rotate Image
You are given an n x n 2D matrix representing an image, rotate the image by 90 degrees (clockwise).
公众号-不为谁写的歌
2020-10-30
2890
【每日一题】46. Permutations
Given a collection of distinct integers, return all possible permutations.
公众号-不为谁写的歌
2020-09-10
2640
【每日一题】45. Jump Game II
Given an array of non-negative integers, you are initially positioned at the first index of the array.
公众号-不为谁写的歌
2020-09-10
2950
AUC、ROC详解:原理、特点&算法
接收者操作特征曲线(ROC)可以用来对分类器的表现可视化,可以依据分类器在ROC上的表现来选择最终的模型。
公众号-不为谁写的歌
2020-09-08
4.5K0
【每日一题】43. Multiply Strings
Given two non-negative integers num1 and num2 represented as strings, return the product of num1 and num2, also represented as a string.
公众号-不为谁写的歌
2020-09-02
3040
【每日一题】42. Trapping Rain Water
Given n non-negative integers representing an elevation map where the width of each bar is 1, compute how much water it is able to trap after raining.
公众号-不为谁写的歌
2020-08-28
2470
论文笔记-Factorization Machines
因子分解机Factorization Machine的提出是对标SVM和矩阵分解,如SVD++、PITF、FPMC模型。
公众号-不为谁写的歌
2020-08-28
7930
【每日一题】41. First Missing Positive
Given an unsorted integer array, find the smallest missing positive integer.
公众号-不为谁写的歌
2020-08-26
3170
【每日一题】40. Combination Sum II
Given a collection of candidate numbers (candidates) and a target number (target), find all unique combinations in candidates where the candidate numbers sums to target.
公众号-不为谁写的歌
2020-08-24
3180
【每日一题】39. Combination Sum
Given a set of candidate numbers (candidates) (without duplicates) and a target number (target), find all unique combinations in candidates where the candidate numbers sums to target.
公众号-不为谁写的歌
2020-08-24
2460
【每日一题】37. Sudoku Solver
Write a program to solve a Sudoku puzzle by filling the empty cells.
公众号-不为谁写的歌
2020-08-17
4230
【论文笔记】CVR预估之ESMM模型
预测post-click转换率CVR在排序系统如推荐系统、广告中是至关重要的。传统的CVR模型使用深度学习方法已经实现到state-of-the-art水平。但是在实际应用中会遇到几个特定的问题让CVR模型建模变得困难。比如,传统的CVR模型是在点击曝光样本上训练的;但是最终是在整个样本空间上进行应用(曝光样本空间)。这就造成了样本选择偏差问题(Sample Selection Bias)。此外,数据稀疏问题让模型训练变得困难。在这篇论文中,提出利用用户行为序列数据,如曝光—>点击—>转化,对CVR模型建模的新方法。提出的ESMM模型可以同时消除上述两个问题:1)在整个样本空间对CVR模型进行建模;2)使用特征表示迁移学习策略对数据稀疏问题进行解决。在淘宝推荐系统收集的数据集上,ESMM模型比其他方法表现优异。最后公开了一个抽样版的数据集,包含点击、转换标签序列独立的用于CVR训练的训练样本。
公众号-不为谁写的歌
2020-08-14
3.3K0
【每日一题】36. Valid Sudoku
Determine if a 9x9 Sudoku board is valid. Only the filled cells need to be validated according to the following rules:
公众号-不为谁写的歌
2020-08-12
2700
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档