注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 代码阅读训练教程完整版

  2. 让你迅速掌握阅读大量工程代码的方法，事半功倍。读code前不得不看。

  3. 所属分类：专业指导

    • 发布日期：2010-08-06
    • 文件大小：7mb
    • 提供者：aylixuan

  1. python写的基于感知机的中文分词系统

  2. 基于字的用感知机实现的中文分词系统。完全训练后对微软的测试集精度可以达到96%多。我上传的版本是完整的代码（训练和分词），大家自己用附带的微软训练数据训练就可以了，只有一个文件。 代码总的来说写的还是很清楚的，方便自己也方便别人阅读。欢迎大家共讨论,xiatian@ict.ac.cn。

  3. 所属分类：Python

    • 发布日期：2008-05-26
    • 文件大小：4mb
    • 提供者：SummerRain2008

  1. 代码大全第一版

  2. 内容摘要 本书从软件质量和编程思想等方面论述了软件构造问题，并详细论述了紧跟潮流的新技术、 高屋建瓴的观点、通用的概念，还含有丰富而典型的程序示例。本书中所论述的技术不仅填补 了初级与高级编程技术之间的空白，而且也为程序员们提供了一个有关编程技巧的信息来源。 本书适合经验丰富、自学成才的程序员阅读，也适合于那些几乎不懂什么编程技巧的新程 序员阅读． 本书所面向的对象 本书中所收集的研究和编程经验，将有助于你编写出高质量的软件，并且使得开发周期缩 短。通过阅读本书，你将会对自己过去所犯过的错误有

  3. 所属分类：C

    • 发布日期：2012-09-11
    • 文件大小：4mb
    • 提供者：caohonghui

  1. 代码大全中文版.pdf

  2. 本书所面向的对象 本书中所收集的研究和编程经验，将有助于你编写出高质量的软件，并且使得开发周期缩 短。通过阅读本书，你将会对自己过去所犯过的错误有更深刻的理解，并懂得今后如何避免它 们。同时，书中所收集的丰富的编程经验也将使你在控制大规模项目和按要求对软件进行修改 和维护时感到得心应手。下面是适合阅读本书的几类人： 经验丰富的程序员 本书适合于想要得到一本全面易用的软件设计指南的那些资深程序员们阅读。由于本书的 中心内容是广大程序员们所熟知的实现过程，因此，无论是受过正规训练而已经验丰富的程序

  3. 所属分类：其它

    • 发布日期：2013-04-13
    • 文件大小：9mb
    • 提供者：lxj_0734

  1. 代码阅读训练

  2. 快速高效的阅读代码，实用的技巧，有效的手段，用最有效率的方法阅读你的代码

  3. 所属分类：C/C++

    • 发布日期：2014-07-29
    • 文件大小：2mb
    • 提供者：lee244868149

  1. PyTorch 模型训练实用教程

  2. 本教程内容主要为在 PyTorch 中训练一个模型所可能涉及到的方法及函 数， 并且对 PyTorch 提供的数据增强方法（22 个）、权值初始化方法（10 个）、损失函数（17 个）、优化器（6 个）及 tensorboardX 的方法（13 个） 进行了详细介绍，本教程分为四章， 结构与机器学习三大部分一致。 第一章， 介绍数据的划分，预处理，数据增强； 第二章， 介绍模型的定义，权值初始化，模型 Finetune； 第三章， 介绍各种损失函数及优化器； 第四章， 介绍可视化工具，用于监控数

  3. 所属分类：机器学习

    • 发布日期：2019-03-03
    • 文件大小：4mb
    • 提供者：qq_29893385

  1. Modular Attention Network for Referring Expression Comprehension——代码阅读第一天

  2. 今天是阅读2018cvpr论文MAttNet源码的第一天，由于第一次读论文源码有很多不懂的地方，在此记录每天的学习进度，希望可以不断提高自身能力。 该论文训练的第一步是准备训练数据，因此先从tools/propro.py开始。论文可以加载refclef,refcoco,refcoco+,refcocog四种数据集，本文以refclef为例。 一、首先实例化pyutils/refer/refer.py中的REFER类 refer= REFER(data_root,dataset,splitBy)#

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：117kb
    • 提供者：weixin_38657457

  1. STAR:ECCV2020-本文的官方代码存储库 -源码

  2. STAR：训练有素的铰接式人体退缩器 [] [ ] [ ] 目录 执照 用于非商业科学研究目的的软件版权许可。在下载和/或使用STAR模型和软件（“数据和软件”）之前，请仔细阅读和任何随附的文档。通过下载和/或使用“数据和软件”（包括下载，克隆，安装以及对相应的github存储库的任何其他使用），即表示您确认您已阅读LICENSE文件中的这些，理解并同意被他们束缚。如果您不同意这些，则不得下载和/或使用数据和软件。违反本协议条款的行为将自动终止您根据本权利 描述 STAR - A S解析Ť下雨

  3. 所属分类：其它

  1. how-to-read-pytorch:通过五个colab笔记本快速，直观，原则性地介绍pytorch代码-源码

  2. 大卫关于如何阅读火炬的技巧 这五个python笔记本是对pytorch核心习语的插图说明。单击下面的命令在Colab上运行它们。 ：用于在CPU或GPU上处理n维数字数组的表示法。 ：如何获得关于任何张量输入的任何标量的导数。 ：使用自动渐变梯度更新张量参数以减少任何计算目标的方法。 ：pytorch如何表示神经网络以方便组合，训练和保存。 ：用于大型数据流的高效多线程预取。 Pytorch是一个数值库，可以非常方便地在GPU硬件上训练深度网络。它引入了一个新的编程词汇表，它比常规

  3. 所属分类：其它

    • 发布日期：2021-03-19
    • 文件大小：575kb
    • 提供者：weixin_42102933

  1. IMM:“用于机器阅读理解的迭代式多源互知识转移框架”的代码（IJCAI2020）-源码

  2. 机器阅读理解的迭代式多源互知识转移框架 该项目是根据修改的 我们下面列出的命令并不包含所有可选参数。如果要更改某些可选参数，例如转换模型输出目录，请更改main_iter.sh和single_domain/multi_iter.sh的设置。 资料格式 data目录应包含Train，dev，五个域的测试集： SQuAD ， NewsQA ， HotpotQA ， NaturalQuestions和TriviaQA 。 DOMAINNAME.raw.json是训练集， DOMAINNAME_dev.

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：176kb
    • 提供者：weixin_42126677

  1. NLP-Conferences-Code:NLP会议代码（ACL，EMNL，NAACL，COLING，AAAI，IJCAI）-源码

  2. 本项目记录NLP相关顶会（如ACL，EMNLP，NAACL，COLING，AAAI，IJCAI）的论文开源项目合集，同时欢迎各位同学提交问题，分享开源项目。 文章中一般很难把所有的细节都描述清楚，有代码至少给我们提供的参考和实现细节，所以我的初衷就是把这些项目整理出来，方便大家查阅！希望能够对相关同学有一点帮助！也强烈希望大家多多pr，一起维护起来，分享给更多的同学！ 资源列表 ACL集合 2019年 2020年 ACL2020任务模块，如下： 模块 文件 预训练语言模型及部分应用 QA问答

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：76kb
    • 提供者：weixin_42170064

  1. PRNet_PyTorch:PyTorch 1.1.0中PRNet的培训和推理代码-源码

  2. PRNet PyTorch 1.1.0 这是一个非官方的pytorch实施PRNET的，因为没有一个完整的生成和训练码数据集。 作者：Samuel Ko，mjanddy。 更新日志 日期：2019.11.13 notice ：mj已在加载uv map中修复了一个重要错误。 原始的uv_map.jpg已翻转，因此此处使用* .npy可以解决此问题。 感谢 ！ 日期：2019.11.14 notice ：推断阶段已上传，预训练模型可在results/latest.pth 。 感谢 ！ 诺蒂

  3. 所属分类：其它

    • 发布日期：2021-03-10
    • 文件大小：40mb
    • 提供者：weixin_42131861

  1. pytorch-i-revnet：i-RevNet Pytorch代码-源码

  2. i-RevNet：深度可逆网络 i-RevNets的Pytorch实现。 i-RevNets定义了一系列完全可逆的深度网络，它们是由一系列同胚层构成的。 参考： ， ， 。 。 国际学习代表大会（ICLR），2018.（ ） i-RevNet及其双重版本。 逆可以以最小的适应性从正向模型获得，并且也是i-RevNet。 阅读本文以获得理论背景和对训练模型的详细分析。 Pytorch i-RevNet使用 要求：Python 3，Numpy，Pytorch，Torchvision

  3. 所属分类：其它

    • 发布日期：2021-03-04
    • 文件大小：384kb
    • 提供者：weixin_42125826

  1. 培训者代码：这是Marielle的代码。 包含培训演示和简短说明-源码

  2. 教练代码 这是Marielle的代码。 包含培训演示和简短说明。 有用的链接 阅读和管理降价促销总是好事。 您也可以向训练代码回购请求请求以贡献笔记 单最常见的笔记本电脑是Windows PC。 在MacOS和Linux系统可以使用程序包管理器的地方，Windows更喜欢其自己的GUI向导。 为客户面试提供额外的乐趣 良好的实践依据。 经常使用它进行练习。 当然，如果您仍要分配工作，则该工作优先。

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：15kb
    • 提供者：weixin_42168265

  1. LoL-Predictor：该项目旨在使用PyTorch训练ML模型，该模型可以预测流行的MMO游戏《英雄联盟》中的哪个团队-源码

  2. 大声预测 您是否想知道在玩之前是否会赢得比赛？ 该项目旨在使用PyTorch训练深度学习模型，该模型可以预测流行的MMO游戏《英雄联盟》中的哪个团队。 要阅读完整的最终报告，请访问：docs >> Final Report.pdf 设置 首先，请确保您已安装Python 3.6.8或更高版本。 然后，确保通过运行安装了PyTorch（如果您具有启用CUDA的GPU，请确保安装CUDA支持）： pip install pytorch 您可以转到Terminal / PowerS

  3. 所属分类：其它

    • 发布日期：2021-02-14
    • 文件大小：94mb
    • 提供者：weixin_42134554

  1. Convert-Trained-ML-Models-To-Native-Code：如何使用m2gen python库将经过训练的机器学习模型转换为本地代码，例如python，php和javascript-源码

  2. 将训练有素的ML模型转换为本机代码 如何使用m2gen python库将经过训练的机器学习模型转换为本机代码，例如python，php和javascr ipt。 阅读有关该项目的文章，

  3. 所属分类：其它

    • 发布日期：2021-02-07
    • 文件大小：16kb
    • 提供者：weixin_42169971

  1. Dureader-Bert：BERT Dureader多文档阅读理解排名第七-源码

  2. Dureader-Bert 2019 Dureader机器阅读理解单模型代码。 哈工大讯飞联合实验室发布的中文全词覆盖BERT 只需将要加载的预训练模型换为压缩包内的chinese_wwm_pytorch.bin，即从_pretrained函数中weights_path和config_file即可。 谷歌发布的中文伯特与哈工大发布的中文全词覆盖BERT在Dureader上的效果对比 模型 ROUGE-L BLEU-4 谷歌bert 49.3 50.2 哈工大伯特 50.32 51.4

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：86mb
    • 提供者：weixin_42151772

  1. xlnet：XLNet：用于语言理解的广义自回归预训练-源码

  2. 介绍 XLNet是一种基于新型广义置换语言建模目标的新型无监督语言表示学习方法。 此外，XLNet使用作为主干模型，在涉及长上下文的语言任务中表现出出色的性能。 总体而言，XLNet在各种下游语言任务（包括问题回答，自然语言推断，情感分析和文档排名）上均获得了最新的（SOTA）结果。 有关技术细节和实验结果的详细说明，请参阅我们的论文： 杨志林*，戴子行*，杨一鸣，Jaime Carbonell，Ruslan Salakhutdinov，Quoc V.Le （*：均等） 预印本2019 发行说

  3. 所属分类：其它

  1. seq2seq-chatbot：使用TensorLayer的200行代码中的Chatbot-源码

  2. Seq2Seq聊天机器人 这是Twitter / Cornell-Movie Chatbot的200行实现，请在阅读代码之前阅读以下参考资料： （可选） 先决条件 Python 3.6 > = 2.0 > = 2.0 模型 训练 python3 main.py 结果 Query > happy birthday have a nice day > thank you so much > thank babe > thank bro > t

  3. 所属分类：其它

  1. 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（七）—— 模型训练-数据准备

  2. 系列目录： 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（一）——数据 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（二）—— 介绍及分词 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（三）—— 预处理 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（四）—— 段落抽取 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（五）—— 准备数据 菜鸟笔记-DuReader阅读理解基线模型代码阅读笔记（六）—— 模型构建 未完待续 … … 上一篇文章对模型的结

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：76kb
    • 提供者：weixin_38642735
« 12 3 4 5 »