QA
VQA
http://blog.csdn.net/lsh894609937/article/details/70210541
http://blog.csdn.net/mxs30443/article/details/53540649
http://blog.csdn.net/zdcs/article/details/54944643
https://zhuanlan.zhihu.com/p/22530291?refer=dlclass
work_temp
Embeddings in Biological Sequences
Hexo usage
词向量 word embedding
Objective
问题起源
文本是符号数据,两个词只要字面不同,就难以刻画它们之间的联系,即使是“麦克风”和“话筒”这样的同义词,从字面上也难以看出这两者意思相同(语义鸿沟现象)。(符号性这个角度类似于生物序列数据)
我们希望计算机可以从大规模无标注的文本数据中自动学习得到文本表示,这种表示需要包含对应语言单元(词或文档)的语义信息,同时可以直接通过这种表示度量文本之间的语义相似度。
Tensorflow学习笔记(一)
TF的编程模型
来源:http://blog.csdn.net/tinyzhao/article/details/52755647
计算图
在TensorFlow中,算法都被表示成计算图(computational graphs)。计算图也叫数据流图,图中的节点表示操作,图中的边代表在不同操作之间的数据流动。
在这样的数据流图中,有四个主要的元素概念:
- 操作(operations)
- 张量(tensors)
- 变量(variables)
- 会话(sessions)