自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 竞价市场模拟(简易版)--兼论市场均衡是如何产生的

竞价市场模拟(简易版)–兼论市场均衡是如何产生的作者:陆平1. 直觉解释市场机制为什么能达到均衡。本项目通过模拟一个简单的竞价市场虚拟环境,来解释为什么会有市场均衡。供给方:商品供给方与生俱来的倾向是抬高价格,因为价格越高,自己的收益也越大。但如果供给方把要价抬得太高,则可能卖不出去,货物积压后又需要降价。需求方:商品需求方与生俱来的倾向是压低意愿支付的价格,因为价格越低,自己所花的成本越低。但如果需求方把价格压得特别低,供给方不愿意供货,需求满足不了,需求方就会提高支付意愿。市场上的供需双方是

2021-01-28 16:24:00 309

原创 应用BERT模型做命名实体识别任务

应用BERT模型做命名实体识别任务作者:陆平1. 命名实体识别任务概述人工智能技术的应用领域日趋广泛,新的智能应用层出不穷。本项目将利用人工智能技术来对快递单文字中的命名实体信息进行识别,包括姓名、电话、省、市、区、详细地址等实体。相关工作者使用该方法,能够从快递单文本信息中自动提取关键命名实体,期望有助于提升快递物流中信息处理效率。本项目旨在构建BERT模型,来做命名实体识别。部分代码参考了『PaddleNLP预热』04。这里我们采用PaddleNLP2.0模块,使用pip安装PaddleNLP

2021-01-28 16:17:07 1622

原创 【学习目录】深度学习、机器学习模型--基于Paddle2.0

作者:陆平基础模型篇1. 线性回归模型https://aistudio.baidu.com/aistudio/projectdetail/1322247回归模型是根据输入特征来对连续型输出做出预测的模型。现实生活中,有很多问题可以用回归模型来解决,例如,人们通过构建回归模型来预测房屋售价、制定产品销售计划、研判经济走势等。本篇详细介绍了线性回归表达式、均方损失函数、解析优化与随机梯度下降,并构建了一个自定义的多元回归模型,来验证机器是否能学到真实参数。2. softmax分类器https://a

2021-01-24 21:01:22 353

原创 应用预训练BERT模型做短文本情感分类

如何进行PaddleNLP2.0的预训练BERT模型微调(Fine-tune)1. 数据导入2.数据预处理3. BERT预训练模型加载4. 训练模型5.模型预测作者:陆平#首先,需要安装paddlenlp2.0。!pip install paddlenlp==2.0.0b#导入相关的模块import paddleimport paddlenlp as ppnlpfrom paddlenlp.data import Stack, Pad, Tupleimport paddle.nn.func

2021-01-24 20:57:00 1389 9

原创 SoftMax分类器、信息熵、交叉熵原理与实现

作者:陆平1. 模型表达式SoftMax分类器是根据输入特征来对离散型输出概率做出预测的模型,适用于多分类预测问题。我们以手写数字分类为例构建一个分类器,根据手写数字的光学识别图片来预测这张图片所包含的数字。每个图片样本的宽与高均为28像素,28乘以28得到784,可以把这784个像素看作为输入特征,用x1,x2,...,x784x_{1},x_{2},...,x_{784}x1​,x2​,...,x784​表示。每个样本的标签值是0~9十个数字中的一个。与线性回归模型不同的是,SoftMax分类器最

2021-01-10 10:11:53 867

原创 策略梯度模型 (Policy Gradient)原理与实现

基于PaddlePaddle2.0-构建策略梯度模型 (Policy Gradient)作者:陆平1. 智能体与环境策略梯度(Policy Gradient)模型是强化学习中的一个经典基础模型。它用来在某种环境下训练智能体。对于一些简单场景,我们可以把智能体与环境及关系抽象为:智能体是在环境中实施行为的实体。它与环境的交互下图所示。首先一个episode开始,环境初始化后将释放出一个状态信息s1s1s1。智能体观测到状态信息s1s1s1,依据该信息做思考和决策,得到行为a1a1a1。环境再根据智能体

2021-01-07 14:37:18 1533

原创 线性回归模型原理与实现

基于PaddlePaddle2.0-构建线性回归模型作者: 陆平1. 线性回归表达式回归模型是根据输入特征来对连续型输出做出预测的模型。现实生活中,有很多问题可以用回归模型来解决,例如,人们通过构建回归模型来预测房屋售价、制定产品销售计划、研判经济走势等。回归模型可以是线性的,即输入特征分别乘以回归系数(权重)后以加和的方式得到输出。回归模型还可以是非线性的,例如,经济学中常用的Cobb-Douglas生产函数,衡量了企业产出与要素投入之间的关系,其输出是输入特征之间的乘积,该模型是非线性的,但经过

2021-01-07 14:18:35 770

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

提示
确定要删除当前文章?
取消 删除