- 博客(2)
- 收藏
- 关注
原创 NLP - 应用GRU和Transformer实现高质量机器翻译
使用编码器—解码器和注意力机制来实现机器翻译模型使用Transformer架构和PyTorch深度学习库来实现的日中机器翻译模型。
2024-06-25 00:03:19
797
原创 多层感知器与卷积神经网络在姓氏分类任务中的应用与实践
多层感知器(MLP)被认为是最基本的神经网络构建模块之一。最简单的MLP是对感知器的扩展。感知器将数据向量作为输入,计算出一个输出值。在MLP中,许多感知器被分组,以便单个层的输出是一个新的向量,而不是单个输出值。在PyTorch中,,这只需设置线性层中的输出特性的数量即可完成。MLP的另一个方面是,它将多个层与每个层之间的非线性结合在一起。MLP的简单模型,如下图所示,由三个表示阶段和两个线性层组成。第一阶段是输入向量。这是给定给模型的向量。给定输入向量,第一个线性层计算一个隐藏向量——表示的第二阶段。
2024-06-16 13:43:37
1049
2
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