东方-教育技术博主
天下教技是一家,欢迎和我一起讨论学习~~b站同号同头像同名。
展开
-
注意力机制笔记——结合沐神和B站老弓up主
聚类 是针对 样本,注意力机制是针对样本,来进行计算的。原创 2023-02-19 20:10:45 · 534 阅读 · 0 评论 -
沐神学习笔记——长短期记忆网络(LSTM)【动手学深度学习v2】
记忆细胞C 类似于之前RNN里面的h。上面的如果:Ft是0的话尽量的去遗忘,如果I==0,就把现在的记忆单元丢掉。这两个是相互独立的,也就是说:可以全部不要,也可以全部要,也可以一个要一个不要。原创 2023-01-07 11:12:59 · 151 阅读 · 0 评论 -
亲测可以:pycharm安装cuda和cudnn以及torch安装及测试
当然需要的话可以把最后换成117 ,代表11.7版本。一定要和cudnn的最高版本 能对应上,我第一次没有对应上 ,专门卸载的。然后我这就真的可以了呀~原创 2022-12-30 10:38:57 · 640 阅读 · 0 评论 -
知识图谱库汇总!——教育领域能够直接应用的知识图谱
在教育领域,有许多开源的知识图谱实体可供使用。下面列出了一些例子:DBpedia:这是一个知识图谱,由 Wikipedia 的内容构建而成。DBpedia中包含了许多关于人、地方、事物和概念的实体,并且这些实体都具有相关的属性和关系。Wikidata:这是一个由自由内容组成的知识图谱,可以用来存储和共享有关世界各地的知识。它与 Wikipedia 相连,可以被用来改善Wikipedia 的内容和功能。(OELD):这是一个专门针对教育领域的知识图谱,由英国教育部门建立。原创 2022-12-21 22:11:49 · 1998 阅读 · 1 评论 -
python可视化知识图谱(GPT)
python可视化知识图谱。原创 2022-12-23 11:42:33 · 732 阅读 · 0 评论 -
DASOU知识星球学的知识图谱
知识图谱的书籍的话可以看下作者是王昊奋【知识图谱:方法、实践与应用】那本书,算是近些年出版的里面质量不错的了,大厚本,需要静下来啃。知识图谱的书籍的话可以看下作者是王昊奋[知识图谱:方法、实践与应用]那本书,算是近些年出版的里面质量不错的了,大厚本,需要静下来啃.还有一本是清华的刘知远写的[知识图谱与深度学习],这本书追踪的前沿。以疾病为中心的一定规模医药领域知识图谱,并以该知识图谱完成自动问答与分析服务.Https://t.zsxq.com/08Q60g5qj。比较多,很学术,也可以看下.原创 2022-12-21 11:15:39 · 558 阅读 · 0 评论 -
AI教我做科研系列——超级对话模型ChatGPT教我一步步如何如何生成知识图谱
给讲讲知识图谱行吗897354667@qq.compython如何从一段长文本生成知识图谱呢897354667@qq.com能否给我一段代码演示并讲解接下来,我们可以使用 jieba 库实现对文本的分词,并使用 Stanford CoreNLP 库实现词性标注和命名实体识别:上面的代码会输出文本分词的结果和词性标注和命名实体识别的结果。我们可以从这897354667@qq.com从哪些方面啊897354667@qq.com上面的代码会输出文本分词的结果和词性标注和命名实体识别的结果。我们可以从哪原创 2022-12-06 20:10:06 · 4016 阅读 · 0 评论 -
看完李宏毅的视频我决定学好英语了
2022年11月7日11:35:05。所以还是好好学一下吧,我相信只要自己有心,原创 2022-11-07 11:35:44 · 99 阅读 · 0 评论 -
门控循环单元(GRU)【动手学深度学习v2】
候选隐藏状态。圆圈 表示 按元素乘法。这里面的这个符号值得是 按元素相乘。Rt理解为 和Ht 长度一样的一维向量。(这么理解)这里如果Rt长的像0的话,那么乘出来的结果,就也像0。要是像0 的话,相当于是说 把上一刻的隐藏转态给遗忘掉。在这里Rt是可以学的。全是0的话,相当于回到初始转态。全是1的话,都保留。原创 2022-11-04 16:15:03 · 433 阅读 · 0 评论 -
循环神经网络RNN
RNN对比MLP 仅仅多了一个Whh来存时序信息,其他方面都是一样的。类比理解输入法打出拼音的候选项。很巧妙的一个算法哈哈,困惑度其实就是候选项,原创 2022-10-10 11:41:21 · 231 阅读 · 0 评论 -
动手学深度学习-语言模型
对话轮次建模综述 - ccZ的文章 - 知乎 https://zhuanlan.zhihu.com/p/296331236。minibatch是否独立可以分为两种方法,在模型上会有一些区别。代码很简单的,唯一需要注意的是两个采样的方法。就是存概率,所有组合的可能性做分母,分子是固定组合,复杂的和n是指数关系,一般用2元或者三元语法。同样是序列,一个随机,一个按顺序。由于没有样本,不是很想复现代码,补充一个和我领域很相关的。这样可以求得一个概率。原创 2022-10-09 14:58:47 · 312 阅读 · 0 评论 -
数据增广和微调
讲解这两个。原创 2022-10-02 12:04:36 · 189 阅读 · 0 评论 -
训练相关:深度学习硬件和训练实现
这些部分科普的地方比较多吧哈哈,就当做放松听一听。笔记的记录都在下面,原创 2022-10-02 00:32:59 · 280 阅读 · 0 评论 -
经典卷积和深度卷积的神经网络
暂时浅过一遍,不求每个部分都理解很深度,后面通过复现项目来加深理解。这里能理解个大概即可。主要围绕这两个视频做一些笔记。原创 2022-10-01 13:32:42 · 1014 阅读 · 2 评论 -
李沐-动手学深度学习笔记-卷积神经网络
卷积运算(互相关):是矩阵的点积多通道输入是点积的基础上求和,多通道输出:就是把多通道输入的结果在指定维度(0维度)堆叠代码和运行结果如下# 多输入通道互相关运算# 多通道输入运算def corr2d_multi_in(X , K) : #核心在于求和 return sum(d2l . corr2d(x , k) for x , k in zip(X , K)) # X , K为 3 通道矩阵, for 使得对最外面通道进行遍历。原创 2022-09-27 10:22:03 · 678 阅读 · 0 评论 -
神经网络基础
带偏置的线性映射,其实就是个weight矩阵,加上一维bias。原创 2022-09-16 17:40:34 · 351 阅读 · 0 评论 -
多层感知机
我们可以通过在网络中加入一个或多个隐藏层来克服线性模型的限制, 使其能处理更普遍的函数关系类型。要做到这一点,最简单的方法是将许多全连接层堆叠在一起。每一层都输出到上面的层,直到生成最后的输出。我们可以把前层看作表示,把最后一层看作线性预测器。这种架构通常称为多层感知机(multilayer perceptron),通常缩写为MLP。这串代码可以直观的看出激活函数 和 导数图像import os#矩阵不能对 矩阵求导,需要sum。原创 2022-09-09 13:51:28 · 378 阅读 · 0 评论 -
动手学深度学习笔记-线性回归和softmax回归底层从零实现
就像我们所看到的,改变均值会产生沿x轴的偏移,增加方差将会分散分布、降低其峰值。对于底层实现的理解需要借助一点 数形结合的思想。这个代码的画折线图很不错,值得学习!唯一一个 有 显性最优解的模型。+=和-=的区别(内存的分配)。剩下的知识补充在代码里面了。下面画图的构思很不错。注意代码里的一个细节。............原创 2022-08-28 18:34:49 · 570 阅读 · 1 评论 -
pycharm动手学深度学习笔记-01预备知识
本地python环境 python3.8改成了深度学习专用的。原创 2022-08-22 00:36:13 · 673 阅读 · 0 评论