文章
【深度学习个人笔记】Pytorch的官方代码搭建VGG模型
本篇博客是【深度学习个人笔记】Pytorch基本知识(https://segmentfault.com/a/1190000044276355)博客的扩展,采用里面介绍的Pytorch中的常用模块来搭建经典的VGG网络,使用的是Pytorch的官方代码,通过官方代码来体会如何用Pytorch搭建神
【深度学习个人笔记】Pytorch基本知识
本篇博客将记录Pytorch的基本知识,包括Pytorch的环境配置、Pytorch的结构,Pytorch的基本操作等,本文中使用的Pytorch版本为1.12.0Pytorch环境配置我是采用在Anaconda下安装Pytorch的方案,关于这个可以参考网上的大佬写的博客,跟着一
(deep-learning)逻辑回归和线性回归的区别
前言:本文分析了线性回归和逻辑回归区别,简介激活函数sigmoid,最后举例说明了通过似然估计(似然最大)>推导出loss(loss最小)。进而梯度下降得到参数。一.逻辑回归和线性回归。线性回归:回归问题。!image.png(https://img
DeepLearning.ai学习笔记汇总
第一章神经网络与深度学习(NeuralNetwork&Deeplearning)DeepLearning.ai学习笔记(一)神经网络和深度学习Week3浅层神经网络(https://www.oschina.net/action
np.max(), np.(), np.argmax()有什么区别啊?
<pre<codeimportnumpyasnpa3,2,1,1,2,3bnp.max(a)cnp.argmax(a)dnp.maximum(0,a)</code</pre输出得到如下结果:!图片.png(https:/
protobuf版本冲突
<pre<codeaddprotobuflibpath(动态库搜索路径)程序加载运行期间查找动态链接库时指定除了系统默认路径之外的其他路径exportLD_LIBRARY_PATH/home/user/local/protobuf/3.17.1
Improving Low-Resource Named Entity Recognition笔记
ImprovingLowResourceNamedEntityRecognitionusingJointSentenceandTokenLabeling阅读笔记1.Summary本文针对lowresourceNER任务——小语种电商NER任务,
Few-shot Learning for Named Entity Recognition in Medical Text笔记
1.Summary本文对Electronichealthrecords的一些数据集进行了命名实体识别研究。在利用其它相关数据集的基础上,对targetdataset只采集10个样例进行fewshotlearning,提出了五种提升性能的方法(tricks):(1)layer
A Survey on Deep Learning for Named Entity Recognition(2020)阅读笔记
1.Summary文章主要介绍了NER的资源(NER语料及工具),并从distributedrepresentationforinput,contextencoder和tagdecoder三个维度介绍了目前现有的工作,并调研了目前最具代表性的深度学习方法。最后提出了目前NER
吴恩达 最新自然语言处理
deeplearning.ai简介吴恩达以及deeplearning.ai系列的课后作业本人借鉴了优秀的博客并且几乎全部手写代码有问题的可以在github/tsuiraku@126.com联系我MachineLearning机器学习编程作业
已加载文章中没有匹配内容,试试其他关键词或清空搜索。