- 博客(15)
- 收藏
- 关注
RSS订阅原创 Linux常用命令大全（一篇足矣）
建议收藏，一篇足矣esc：退出文件编辑第一步q：退出wq：保存并退出系统信息arch 显示机器的处理器架构uname -m 显示机器的处理器架构uname -r 显示正在使用的内核版本dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI)hdparm -i /dev/hda 罗列一个磁盘的架构特性hdparm -tT /dev/sda 在磁盘上执行测试性读取操作cat /proc/cpuinfo 显示CPU info的信息cat /proc/in...
2021-12-25 08:12:15
374
原创 ESIM（Enhanced Sequential Inference Model）- 模型详解
ESIM（Enhanced Sequential Inference Model）是一个综合应用了BiLSTM和注意力机制的模型，在文本匹配中效果十分强大，也是目前为止非常最复杂的模型。
2021-12-24 08:58:04
5043
原创 想了解API接口，这一篇就够了
API全称是：Application Programming Interface，即：应用程序接口。开发人员可以使用这些API接口进行编程开发，而又无需访问源码，或理解内部工作机制的细节。
2021-12-23 08:47:26
51054
10
原创 BERT预训练模型（Bidirectional Encoder Representations from Transformers）-原理详解
BERT（BidirectionalEncoderRepresentations fromTransformers）近期提出之后，作为一个Word2Vec的替代者，其在NLP领域的11个方向大幅刷新了精度，可以说是近年来自残差网络最优突破性的一项技术了
2021-12-21 15:24:46
3293
原创 史上最小白之《Word2vec》详解
谷歌2013年提出来的NLP工具，它的特点就是可以将单词转化为向量表示，这样就可以通过向量与向量之间的距离来度量它们之间的相似度，从而发现他们之间存在的潜在关系。虽然现在深度学习比较广泛，但是其实word2vec并不是深度学习，因为在这个word2vec中，只是使用到了浅层的神经网络，同时它是计算词向量的一种开源工具，当我们说word2vec模型的时候，其实指的使它背后的CBOW和skip-gram算法，而word2vec本身并不是模型或者算法
2021-12-21 15:18:57
4146
原创 Transformer+Embedding+Self-Attention原理详解
Transformer：编码器：多头的self-Attention + 残差 + 前馈神经网络 + 残差解码器：多头遮蔽的self-Attention + 残差 + 前馈 + 残差 + encoder-decoder Attention + 残差encoder-decoder Attention就是一个普通的Attention是判断编码的输出C和当前翻译的一个Attention关系的。因此解码器相比较编码器来说仅仅多了一个mask和encoder-decoder Attention。
2021-12-21 08:59:02
5613
1
原创 编解码（seq2seq）+注意机制（attention） 详细讲解
Seq2Seq 是一种循环神经网络的变种，包括编码器 (Encoder) 和解码器 (Decoder) 两部分。Seq2Seq 是自然语言处理中的一种重要模型，可以用于机器翻译、对话系统、自动文摘。
2021-12-20 08:26:09
3110
1
原创 深度学习--神经网络（基础讲解）
首先明白我们的目的是想要做人工智能，既然是人工智能就想让机器去模仿人，那么人最大的特点就是有很多的神经元，从而可以思考，因此基于这个想法，搭建出来了人工神经网络，有大量的节点构建出来的一个网络，不过这毕竟是个抽象的概念，节点通常就用来储存数字啦，而边一般都用来储存权重，以及传给哪些神经元。
2021-12-18 08:29:57
3541
1
原创 强化学习 (Reinforcement Learning)
强化学习：强化学习是机器学习中的一个领域，强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励或惩罚的刺激下，逐步形成对刺激的预期，产生能获得最大利益的习惯性行为。
2021-12-18 08:29:02
5967
原创 深度学习--循环神经网络（Recurrent Neural Network）
RNN（Recurrent Neural Network）是怎么来的？一些应用场景，比如说写论文，写诗，翻译等等。
2021-12-17 20:11:56
1300
原创 深度学习--生成对抗网络（Generative Adversarial Nets）
对抗网络——GAN人脸检测，图像识别，语音识别等等，人类或者机器总是在现有的事物的基础上做出描述和判断，那么大家考虑一个东西，能不能创造出这个世界上不存在的东西？——————————GAN（生成对抗网络）
2021-12-17 16:05:52
2020
原创 深度学习--自编码器（AutoEncoder）
自编码器：自编码器是用于无监督学习，高效编码的神经网络，自动编码器的目的就在于，学习一组数据的编码，通常用于数据的降维，自编码是一种无监督的算法，网络分为：输入层，隐藏层（编码层），解码层，该网络的目的在于重构输入，使其隐藏层的数据表示更加好，利用了反向传播，将输入值和目标值设置一样，就可以不断的进行迭代训练。
2021-12-17 15:52:28
11149
原创 机器学习--朴素贝叶斯（Naive Bayes）
贝叶斯网络，马尔可夫网络区别：贝叶斯网络可以用有向图结构表示，而马尔可夫网络可以表示一个无向图表示准确的来说：概率图模型包括了朴素贝叶斯，最大熵模型，隐马尔可夫模型，条件随机场模型，主题模型等等。
2021-12-17 15:26:40
499
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人