tf.nn.rnn_cell.LSTMCell又名：tf.nn.rnn_cell.BasicLSTMCell、tf.contrib.rnn.LSTMCell参见: tf.nn.rnn_cell.LSTMCell输出：output：LSTM单元输出，与LSTM cell state的区别在于该输出又经过激活以及和一个sigmoid函数输出相乘。shape: [batch_size,num_unit

 作者的模型整体框架包含两部分，分别为OCR 部分 (采用人家的模型, 输出文本)特定文本抽取部分 (作者的工作)1. 引言早期图像特定文本抽取主要是通过 OCR 中的版面分析（Layout analysis）来实现。即首先利用 版面分析 的方法得到图像中特定的文本区域，然后

  机器学习 深度学习入门无论即将到来的是大数据时代还是人工智能时代，亦或是传统行业使用人工智能在云上处理大数据的时代，作为一个有理想有追求的程序员，不懂深度学习（Deep Learning）这个超热的技术，会不会感觉马上就out了？现在救命稻草来了，《零

'''Created on 2017年5月13日@author: weizhen'''import numpy as npimport tensorflow as tfimport ptb_iterator as readerfrom tensorflow.contrib import rnn DATA_PATH = "/path/to/ptb/data"# 数据存放的路径HIDDEN_SIZE = 200# 隐藏层的规模NU

Bengio, LeCun, Jordan, Hinton, Schmidhuber, Ng, de Freitas and OpenAI have done reddit AMA's.  These are nice places to start to get a Zeitgeist of the field. Hinton and Ng lectures at Coursera, UFLDL, CS224d and CS231n at Stanford, the d

一、过拟合和欠拟合接下来，我们将探究模型训练中经常出现的两类典型问题：一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）；另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实