【文件属性】：
文件名称：word2vec:纯Python中的Word2Vec
文件大小：11.69MB
文件格式：ZIP
更新时间：2021-05-13 16:04:54
Python
Word2Vec
Word2Vec Skip-Gram模型的实现。
系统要求
python 3.6
conda4.4.8
浅层神经网络
此存储库中的Word2Vec实现基于dnn.py文件中可用的通用神经网络。 为了测试网络（正向和反向传播），您可以启动以下命令：
python tests/dnn_test.py
如前所述，实现的神经网络可以用于不同的目的。 可以使用以下命令测试有关图像分类的简单示例：
python applications/image_classifier.py
这样的应用程序利用2个不同的数据集（一个用于训练步骤，另一个用于测试步骤）：
datasets/train_catvnoncat.h5
datasets/test_catvnoncat.h5
在训练阶段经过2500次迭代后，您应该获得以下准确性结果：
准确度：1.0（在训练数据集上）
准确度
【文件预览】：
word2vec-master
----utils()
--------gradient_check.py(5KB)
--------stochastic_gradient_descent.py(3KB)
--------init_parameters.py(3KB)
--------gradient_check_naive.py(2KB)
----regularization-accuracy_img.png(25KB)
----dnn.py(12KB)
----requirements.txt(11B)
----activations()
--------softmax.py(3KB)
--------sigmoid.py(1KB)
--------relu.py(979B)
----datasets()
--------train_catvnoncat.h5(2.45MB)
--------test_catvnoncat.h5(602KB)
--------stanford-sentiment-tree-bank()
----.travis.yml(73B)
----LICENSE(11KB)
----README.md(3KB)
----word2vec.py(10KB)
----parameters()
--------saved_params_9000.npy(2.99MB)
--------.gitkeep(0B)
----word_vectors.png(37KB)
----tests()
--------dnn_test.py(12KB)
--------word2vec_test.py(7KB)
----applications()
--------image_classifier.py(6KB)
--------sentiment()
----.gitignore(1KB)
----word2vec_didactic.py(7KB)