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. 基于Transformer模型的智能问答原理详解

  2. 图一就是Transformer模型的框架，不过这里的encoder和decoder不再是RNN结构，拆开来看，细节如图二：原始论文里，作者设置了6层encoder与6层decoder结构。至于为什么是6，这就是一个超参数而已，可以根据实际情况设置为其他值。从图二中可以看到，计算流程是：输入的句子经过逐层编码后，最上层的encoder会输出中间结果，这个中间结果在每一层decoder中都会用到。同时decoder的计算也是从下往上进行，直到最后输出预测结果。这里省略的是最下层decoder的输入：

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：946176
    • 提供者：weixin_38632146

  1. SpineNet论文笔记

  2. 目录链接摘要核心要点实验结果 链接 SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization 摘要 图像分类任务通常采用逐步减小分辨率的网络结构，但是这种结果并不适合同时需要识别和定位的任务。为减小分辨率损失问题，分类任务中采用encoder-decoder结构，但是该结构并不高效，尤其在需要产生强多尺度的特征时。我们将介绍一种通过NAS搜索得到的网络——SpineNet，它具有scale-permut

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：743424
    • 提供者：weixin_38564598

  1. 山书学习第四次笔记

  2. 机器翻译及相关技术 数据预处理，一堆文本中，可能会出现不再ASCII可见字符的范围中，有些数需其他的规范中，超出了gbk的范围，所以应该去除。 原理 翻译的过程就相当于，把初始文本翻译成一个过度文本，然后再用一个解码器，来输出成想要的语言。 其中encoder为： decoder： 注意力机制与Seq2seq模型 注意力机制 翻译的过程中，有些时候直接一个字一个字的翻译是不合逻辑的。就比如hello world翻译成法语的时候，会直接翻译成Bonjour le monde，但这样是不对的

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：185344
    • 提供者：weixin_38716519

  1. Pytorch-NLP 部分

  2. 感谢伯禹平台举办的活动，本文记录学习Sequence to Sequence模型，包含如下： 1.Encoder-Decoder结构 传统的RNN模型一般是给定输入，然后会有一个对应的输出，对于自然语言处理中的生成任务来说，输出不限定长度的序列有点难以处理，这时候encoder-decoder结构就可以很好的解决这个问题。如下图所示： encoder部分和decoder部分都是RNN网络，其中Encoder部分将输入的序列编码成一个向量，即隐藏层的输出hidden_state,再将这个hidd

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：324608
    • 提供者：weixin_38737335

  1. 机器翻译基础知识

  2. 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 主要步骤 有 数据清洗，分词 ，建立字典（即数字化），Encoder-Decoder 注意力机制 在“编码器—解码器（seq2seq）”⼀节⾥，解码器在各个时间步依赖相同的背景变量（context vector）来获取输⼊序列信息。当编码器为循环神经⽹络时，背景变量来⾃它最终时间步的隐藏状态。将源序列

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：99328
    • 提供者：weixin_38731075

  1. 《动手学深度学习PyTorch版》打卡_Task4，机器翻译及相关技术，注意力机制与Seq2seq模型

  2. 最近参加了伯禹平台和Datawhale等举办的《动手学深度学习PyTorch版》课程，机器翻译及相关技术，注意力机制与Seq2seq模型做下笔记。 机器翻译和数据集 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 使用Encoder-Decoder框架： 实现一个Encoder类 class Encoder(nn.Module): def

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：307200
    • 提供者：weixin_38517212

  1. 《动手学深度学习——机器翻译及相关技术，注意力机制与seq2seq模型，Transformer》笔记

  2. 动手学深度学习：机器翻译及相关技术，注意力机制与seq2seq模型，Transformer 初次学习机器翻译相关，把课程的概念题都记录一下。 目录： 1、机器翻译及相关技术 2、注意力机制与seq2seq模型 3、Transformer 1、机器翻译以及相关技术 1、机器翻译以及相关技术 1、关于Sequence to Sequence模型说法错误的是： A 训练时decoder每个单元输出得到的单词作为下一个单元的输入单词。 B 预测时decoder每个单元输出得到的单词作为下一个单元的输入单

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：363520
    • 提供者：weixin_38659789

  1. 从seq2seq模型到Transformer以及机器翻译小记

  2. seq2seq模型 基本概念 顾名思义，seq2seq模型是指，模型的输入是一个sequence序列，而模型的输出也是sequence序列，其模型结构可以表示为Encoder-Decoder结构，如下图： 其中encoder与decoder都是使用循环神经网络（RNN）实现的。其中的语义编码则是encoder的隐藏状态。其中包括了encoder中的语义信息，作为decoder的输入，从而使用decoder得到输出。 训练以及预测时的方式如下： 具体结构： 实现方式 encoder-deco

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：1048576
    • 提供者：weixin_38569203

  1. 机器翻译机制

  2. 机器翻译 机器翻译， 将一段文本从一种语言自动翻译为另一种语言。其 输出为单词序列。 处理步骤 数据预处理 分词 建立词典 输入模型 Encodr-Decoder Sequence to Sequence 注意力机制 看作适合处理由一个句子（或篇章）生成另外一个句子（或篇章）的通用处理模型。对于句子对。 ——–（思考：对很通用，X是一个问句，Y是答案；X是一个句子，Y是抽取的关系三元组；X是汉语句子，Y是汉语句子的英文翻译。等等），我们的目标是给定输入句子X，期待通过Encoder-Dec

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：376832
    • 提供者：weixin_38536841

  1. 陈猪的机器学习之路-click02

  2. Task03：过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶（1天） 梯度消失部分，主要是协变量偏移、标签偏移、概念偏移三个概念，第一次接触； 循环神经网络以及过拟合部分比较容易理解； Task04：机器翻译及相关技术；注意力机制与Seq2seq模型；Transformer（1天） 第一次接触encoder-decoder两个概念，自动翻译的核心，就是先将一句话编码，然后通过解码，得到新的语言，听起来很玄，nlp还是要复杂很多的； 注意力机制，本质上是提取一段字符内值得注意的概

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：49152
    • 提供者：weixin_38633897

  1. task2-2

  2. 机器翻译及相关技术 经历数据预处理、分词、建立字典、载入数据集,空格符不是特殊符号，预处理的时候去除。 DECODER-ENCODER class Encoder(nn.Module): def __init__(self, **kwargs): super(Encoder, self).__init__(**kwargs) def forward(self, X, *args): raise NotImplementedError class

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：35840
    • 提供者：weixin_38625708

  1. Sequence to Sequence模型理解

  2. 借鉴博客：几张图彻底搞定Seq2Seq Sequence to Sequence模型由两部分组成：Encoder和Decoder。在机器翻译过程中，假设要将汉语翻译成英语，首先，我们需要两个词典，一个是汉语的词语与数字（index）的一一对应的词典，另一个是英语单词与数字（index）的一一对应的词典，这样，就可以由词语得到数字，也可以由数字得到词语。 1.Encoder部分：对于输入的一句汉语，将其切割成汉语词语，通过查汉语词典得到词语对应的数字，将每个数字转换为一个固定长度的向量，作为循环

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：100352
    • 提供者：weixin_38691319

  1. pytorch_task4机器翻译及相关技术；注意力机制与Seq2seq模型

  2. 机器翻译 机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 步骤： 1、数据预处理。将数据集清洗、转化为神经网络的输入minbatch 2、分词。字符串—单词组成的列表 3、建立词典。单词组成的列表—单词id组成的列表 4、Encoder-Decoder encoder：输入到隐藏状态 decoder：隐藏状态到输出 Sequence to Sequ

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：184320
    • 提供者：weixin_38728276

  1. nodejs处理图片的中间件node-images详解

  2. Cross-platform image decoder(png/jpeg/gif) and encoder(png/jpeg) for Node.js node.js轻量级跨平台图像编解码库 var images = require(images); images(input.jpg) //Load image from file //加载图像文件 .size(400) //Geometric scal

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：53248
    • 提供者：weixin_38534344

  1. python用于url解码和中文解析的小脚本(python url decoder)

  2. 复制代码 代码如下: # -*- coding: utf8 -*- #! python print(repr(“测试报警，xxxx是大猪头”.decode(“UTF8”).encode(“GBK”)).replace(“\\x”,”%”)) 注意第一个 decode(“UTF8”) 要与文件声明的编码一样。 最开始对这个问题的接触，来自于一个Javascr ipt解谜闯关的小游戏，某一关的提示如下： 刚开始的几关都是很简单很简单的哦～～这一关只是简单的字符串变形而已….. 后面是一大长串开头

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：61440
    • 提供者：weixin_38602098

  1. python中PIL安装简单教程

  2. python 的PIL安装是一件很头疼的的事, 如果你要在python 中使用图型程序那怕只是将个图片从二进制流中存盘(例如使用Scrapy 爬网存图),那么都会使用到 PIL 这库,而这个库是出名的难安装. 它的表现为,如果你使用 Scrapy 的ImagePipeline 它就会默认使用PIL,如果没有正确安装图型解码器那会都会出现以下的错误: IOError: decoder jpeg not available 在网上找过很多方法都还是不行,也不明究竟,开始以为是 PIL 这个库的安装有

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：62464
    • 提供者：weixin_38613548

  1. python妙用之编码的转换详解

  2. 前言 记得刚入门那个时候，自己处理编码转换问题往往是“百度：url解码、base64加密、hex……”，或者是使用一款叫做“小葵多功能转换工具”的软件，再后来直接上Burpsuite的decoder功能，感觉用的还挺好的。不过，也遇到些问题：在线转换效率低(搜索占去了2/3的时间)、两款工具存在一些小问题，比如burp中涉及中文往往显示乱码。 直到使用python来作为我日常编码转换工具…… 开启py转换之旅 url编码 url编码是一种浏览器用来打包表单输入的格式.可谓是一名作为w

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：156672
    • 提供者：weixin_38550459

  1. 简述便携式设备用超低功耗编码解码器

  2. Codec中文译名是编译码器，由英文编码器（coder）和译码器（decoder）两词的词头组成的缩略语。指的是数字通信中具有编码、译码功能的器件。支持视频和音频压缩（CO）与解压缩（ DEC ） 的编解码器或软件。CODEC技术能有效减少数字存储占用的空间，在计算机系统中，使用硬件完成CODEC可以节省CPU的资源，提高系统的运行效率。codec对AD变换后的音视频数字信号的传输进行编码、压缩，在接收端对信号解码。一般用在视频会议、流媒体、视频应用等场合。Codec 编码解码器主要作用是对视频

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：136192
    • 提供者：weixin_38644097

  1. PaddleHub创意之艺术风格迁移

  2. PaddleHub的图像生成想法迁移方法模型介绍将毕加索画风迁移到BadApple动画中每帧融合代码图片整合成视频 想法 毕加索的作品风格丰富多样，后人用“毕加索永远是年轻的”的说法形容毕加索多变的艺术形式。本人对艺术作品不懂，但是好奇当多种作品实现艺术风格迁移时，会是什么样子。 迁移方法 最近在浏览预训练PaddleHub时，发现了这个好玩的module——stylepro_artistic 模型介绍如下： 艺术风格迁移模型可以将给定的图像转换为任意的艺术风格。本模型StyleProNet整体

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：156672
    • 提供者：weixin_38552536

  1. pytorch 实现在一个优化器中设置多个网络参数的例子

  2. 我就废话不多说了，直接上代码吧！ 其实也不难，使用tertools.chain将参数链接起来即可 import itertools ... self.optimizer = optim.Adam(itertools.chain(self.encoder.parameters(), self.decoder.parameters()), lr=self.opt.lr, betas=(self.opt.beta1, 0.999)) ... 以上这篇pytorch 实现在一个优化器中设置多个网络参

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：28672
    • 提供者：weixin_38659248
« 1 2 ... 41 42 43 44 45 46»