![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 75
、Lu
这个作者很懒,什么都没留下…
展开
-
nn.调用各种模型层 详解
1.通俗讲解pytorch中nn.Embedding原理及使用 :通俗讲解pytorch中nn.Embedding原理及使用 - 简书 (jianshu.com)原创 2020-11-22 19:47:02 · 424 阅读 · 0 评论 -
BILSTM-CRF
本文框架如下:介绍——在命名实体识别任务中,BiLSTM模型中CRF层的通用思想详细的实例——通过实例来一步步展示CRF的工作原理实现——CRF层的一步步实现过程谁可以读本文——本文适用与NLP初级入门者或者AI其他相关领域需要有的基础知识:你只需要知道什么是命名实体识别,如果你不懂神经网络,条件随机场(CRF)或者其它相关知识,不必担心,本文将向你展示CRF层是如何工作的。本文将尽可能的讲的通俗易懂。1.介绍 基于神经网络的方法,在命名实体识别任务中非常流行和普遍...转载 2020-11-22 18:24:10 · 1193 阅读 · 1 评论 -
深度学习解决过拟合的几种常用方法
什么是过拟合? 我们都知道,在进行数据挖掘或者机器学习模型建立的时候,因为在统计学习中,假设数据满足独立同分布(i.i.d,independently and identically distributed),即当前已产生的数据可以对未来的数据进行推测与模拟,因此都是使用历史数据建立模型,即使用已经产生的数据去训练,然后使用该模型去拟合未来的数据。但是一般独立同分布的假设往往不成立,即数据的分布可能会发生变化(distribution drift),并且可能当前的数据量过少,不足以对整个数据集进行分布转载 2020-10-18 16:13:24 · 5949 阅读 · 0 评论 -
人工智能、机器学习、深度学习之间的关系
人工智能的浪潮正在席卷全球,诸多词汇时刻萦绕在我们耳边:人工智能(Artificial Intelligence)、机器学习(Machine Learning)、深度学习(Deep Learning)。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。为了帮助大家更好地理解人工智能,这篇文章用最简单的语言解释了这些词汇的含义,理清它们之间的关系,希望对刚入门的同行有所帮助。人工智能:从概念提出到走向繁荣1956年,几个计算机科学家相聚在达特茅斯会议,提出了“人工智能”的概念,梦转载 2020-07-15 20:53:30 · 1374 阅读 · 0 评论