我正在为推荐API评估Doc2Vec。我找不到一个合适的预先训练过的模型,所以我在语料库上训练了一个模型,大约有8000个小文档。
model = Doc2Vec(vector_size=25,
alpha=0.025,
min_alpha=0.00025,
min_count=1,
dm=1)
然后我在语料库中循环查找每一份文件的类似文件。结果不太好(与TF-国防军相比)。注意,这是在测试不同的时代和矢量大小之后。
i
我试着训练模特儿,但没有成功。我看到了错误
Input contains NaN, infinity or a value too large for dtype('float32').
我认为它可以与Mse函数连接,因为MAE在某种程度上也可以与RMSE一起工作(在第二个时代,RMSE = 10)。我不知道我做错了什么。
# Count Nan
df = pd.read_csv('data.txt.zip', header=None)
X = df.iloc[:, 1:].values
y = df.iloc[:, 0].values
train_
我有以下代码,它在Keras中使用经过预先训练的ResNet50模型和imagenet DataSet:
from keras.applications.resnet50 import ResNet50
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input, decode_predictions
import numpy as np
model = ResNet50(weights='imagenet')
print(model)
fine.