- 博客(3)
- 收藏
- 关注
RSS订阅原创 基于Transformer实现机器翻译（日译中）
是一种用于自然语言处理（NLP）任务的深度学习模型架构，由Vaswani等人在2017年提出。它通过完全依赖于注意力机制而非传统的循环神经网络（RNN）或卷积神经网络（CNN），在多个NLP任务上取得了显著的成功。是指使用计算机自动将一种自然语言（源语言）的文本转换成另一种自然语言（目标语言）的文本的技术。其背后的原理和过程涉及多个关键步骤，包括预处理、编码、解码和训练。5、保存Vocab对象和训练好的模型。5、保存Vocab对象和训练好的模型。Transformer模型。1、分词及数据预处理。
2024-06-25 16:56:42
369
原创 NLP——机器翻译
1、定义：机器翻译是指将一段文本从一种语言自动翻译到另一种语言。因为一段文本序列在不同语言中的长度不一定相同，所以我们使用机器翻译为例来介绍编码器—解码器和注意力机制的应用。2、原理：机器翻译（Machine Translation, MT）是指使用计算机自动将一种自然语言（源语言）的文本转换成另一种自然语言（目标语言）的文本的技术。其背后的原理和过程涉及多个关键步骤，包括预处理、编码、解码和训练。下面详细介绍这些步骤及其关联的概念和技术。(1) 数据预处理。
2024-06-25 10:58:58
1896
原创 自然语言处理(NLP)——前馈网络
前馈神经网络的结构简单，易于实现和训练并且能够处理高维数据，而在自然语言处理中文本数据通常是高维的，故前馈神经网络十分适用于完成各种自然语言处理的任务。通过训练前馈神经网络，可以学习文本序列之间的模式和关系，从而生成自然流畅的文本或对文本进行理解。：前馈神经网络通常使用反向传播算法进行训练，这是一种有效的优化算法，可以通过调整网络的权重和偏差来最小化损失函数，提高网络的性能。：由于前馈神经网络的结构，其各个神经元之间的计算是独立的，可以实现高效的并行计算加速。2、构建多层感知机模型。
2024-06-16 23:00:42
1675
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