小编hsi*_*iou的帖子

我正在编写一个程序来将文本分类为几个类.现在,程序加载列车并测试单词索引的样本,应用嵌入层和卷积层,并将它们分类到类中.我正在尝试为实验添加手工制作的功能,如下面的代码所示.这features是两个元素的列表,其中第一个元素由训练数据的特征组成,第二个元素由测试数据的特征组成.每个训练/测试样本将具有相应的特征向量(即,特征不是单词特征).

model = Sequential()
model.add(Embedding(params.nb_words,
                    params.embedding_dims,
                    weights=[embedding_matrix],
                    input_length=params.maxlen,
                    trainable=params.trainable))
model.add(Convolution1D(nb_filter=params.nb_filter,
                        filter_length=params.filter_length,
                        border_mode='valid',
                        activation='relu'))
model.add(Dropout(params.dropout_rate))
model.add(GlobalMaxPooling1D())

# Adding hand-picked features
model_features = Sequential()
nb_features = len(features[0][0])

model_features.add(Dense(1,
                         input_shape=(nb_features,),
                         init='uniform',
                         activation='relu'))

model_final = Sequential()
model_final.add(Merge([model, model_features], mode='concat'))

model_final.add(Dense(len(citfunc.funcs), activation='softmax'))
model_final.compile(loss='categorical_crossentropy',
                    optimizer='adam',
                    metrics=['accuracy'])

print model_final.summary()
model_final.fit([x_train, features[0]], y_train,
                nb_epoch=params.nb_epoch,
                batch_size=params.batch_size,
                class_weight=data.get_class_weights(x_train, y_train))

y_pred = model_final.predict([x_test, features[1]])

我的问题是,这段代码是否正确？是否有任何传统方法为每个文本序列添加功能？

我刚刚开始构建我的第一个Chrome扩展程序。我的应用程序中的一项功能是获取当前站点的名称。例如，如果当前网址与“ *：//*.facebook.com/”匹配，我将解释该网址并将站点名称称为Facebook。

我应该怎么做呢？

有没有办法在Swift中获得Double类型的最大数量？这样的数字anyDoubleNumber < theNumber永远都是真的.

我有两个 PyTorch 张量：A和B，形状均为(b, c, 3)。我想对C和A进行外积B，得到的形状是(b, c, 3, 3)，并用加法代替乘法运算。我该怎么做呢？