- 博客(8)
- 收藏
- 关注
RSS订阅原创 ELMo、GPT、BERT
为何预训练语言模型能够达到如此好的效果？主要有如下几点：word2vec等词向量模型训练出来的都是静态的词向量，即同一个词，在任何的上下文当中，其向量表征是相同的，显然，这样的一种词向量是无法体现一个词在不同语境中的不同含义的。我们采用预训练模型来代替词向量的关键在于，其能够更具上下文的不同，对上下文中的词提取符合其语境的词表征，该词表征向量为一个动态向量，即不同上下文输入预训练模型后，同一个词的词表征向量在两个上下文中的词表征是不同的。预训练任务简介总的来说，预训练模型包括两大类：自回归语言模
2022-02-28 20:52:28
310
原创 RNN；LSTM；GRU
RNN由于RNN在所有的时间步中共享参数（U,V,W），因此每个输出的梯度不仅取决于当前时间步长的计算，而且还取决于以前的时间步长。 例如，为了计算t=4处的梯度，我们需要反向传播3个步骤并对梯度求和（链式法则），这叫做时间反向传播(BPTT)。RNN 中同样的权重在各个时间步共享，最终的梯度 g = 各个时间步的梯度 g_t 的和。所以RNN 中总的梯度是不会消失的。RNN 所谓梯度消失的真正含义是，梯度被近距离梯度主导，导致模型难以学到远距离的依赖关系。梯度消失：RNN梯度消失是因为激活函数tan
2022-02-25 19:30:19
559
原创 词向量Word Embedding
词向量词向量做的事情就是将词表中的单词映射为实数向量。one-hot编码one-hot对每个词进行编号，假设词表的长度为n，则对于每一个词的表征向量均为一个n维向量，且只在其对应位置上的值为1，其他位置都是0。问题：1.有序性问题：它无法反映文本的有序性。2.语义鸿沟：其无法通过词向量来衡量相关词之间的距离关系，无法反映词之间的相似程度。3.维度灾难：高维情形下将导致数据样本稀疏，距离计算困难，这对下游模型的负担是很重的。统计语言模型从统计语言模型开始，来解决无序性的这个问题。Ngram
2022-02-23 15:05:29
413
原创 激活函数整理
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录激活函数Sigmoid函数tan函数ReLU函数Leaky ReLU函数（PReLU）ELU (Exponential Linear Units) 函数前面的网络层比后面的网络层梯度变化更快是什么意思？这篇文章梯度消失与梯度爆炸的原因以及解决方案------https://blog.csdn.net/keeppractice/article/details/107208672激活函数Sigmoid函数缺点：1.如果我
2022-02-19 17:41:20
345
原创 反向传播整理（未完成）
1.反向传播为什么要求导通过对损失函数求导（求最小值），得到使得当前损失最小的参数值。2.反向传播求导的目的是什么？更新了什么3.链式法则链式法则：路径上的偏导数做乘法，不同路径上的做加法。比如，从a到e的路径只有一条，其路径上的所有偏导数做乘法；...
2022-02-16 21:19:37
302
原创 机器学习：谱聚类
谱聚类可以看作是一种基于图的聚类方法，谱聚类涉及到的两个问题：怎么构建图 怎么切分子图（图的最优分割问题）图的最优分割问题谱聚类是一种通过图的聚类算法，在我们构建图后，需要对图进行最优分割。最优分割：子图内边权重高；子图间边权低（根据高斯核公式，x与x'的距离越远，得到的数值越小；而我们希望同一子图的点距离更近）损失函数：以上我们希望子图间的边权越小越好，子图内边权越大越好。根据以上两点定义损失函数。1.子图与子图之前的链接权如下A，B是图中被分开的子图损失函数则.
2021-08-23 17:00:29
210
原创 No module named _sqlite3
linux多版本python无法导入sqlite3的解决方法由于是在公司的服务器下，yum和sudo命令都无法使用。尝试了一下几种办法后，sqlite3安装+python重编译下载sqlitewget https://www.sqlite.org/2017/sqlite-autoconf-3170000.tar.gz --no-check-certificate解压该文件tar -zxvf sqlite-autoconf-3170000.tar.gzcd进入cd sqlite-
2021-08-04 15:46:22
172
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