人工智能
文章平均质量分 94
sakura小樱
这个作者很懒,什么都没留下…
展开
-
liunx安装python3.X环境及opencv安装问题
文章目录1.检测Python版本2.安装Python3版本1、可利用linux自带下载工具wget下载2、下载完成后到下载目录下3、解压4、区分目录5、gcc编译6、保留与否7、再建立新版本python的链接`8、查看版本1.检测Python版本 ~~~~~~~~~ ...原创 2019-09-06 15:21:59 · 557 阅读 · 0 评论 -
深度学习----命名实体识别(CRF及变种)
<h1 class="entry-title"> <a href="http://www.52nlp.cn/%e4%b8%80%e6%96%87%e8%af%a6%e8%a7%a3%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e5%9c%a8%e5%91%bd%e5%90%8d%e原创 2019-02-13 15:42:23 · 5501 阅读 · 1 评论 -
深度学习----命名实体识别与关系抽取总结
参考:https://blog.csdn.net/qq_36426650/article/details/84668741#t6 ~~~~~~~~~~ &原创 2019-02-22 13:49:21 · 6598 阅读 · 4 评论 -
深度学习----Transformer模型之精简理解篇
文章目录1、整体架构2、Attention机制3、Position-wise Feed-Forward network4、Positional encoding5、Residual connection6、Layer Normalization7、Mask     &amp原创 2019-01-29 16:26:55 · 5696 阅读 · 7 评论 -
深度学习----Stanford nlp安装以及环境变量配置问题
文章目录PART1:安装Stanford NLPPART2:安装过程问题1)安装包问题2)路径设置3)环境变量PART3:词性标注测试官网下载:https://stanfordnlp.github.io/CoreNLP/index.html#download      ~~~~~~  &原创 2019-02-15 11:04:41 · 3438 阅读 · 5 评论 -
深度学习----Transformer模型之图示进阶篇
        Google于2017年6月发布在arxiv上的一篇文章《Attention is all you need》,提出解决sequence to sequence问题的transformer模型,用全attention的结构代替了lstm,抛弃了之前传统的encoder-decoder模型必须结合cnn或者rn...转载 2019-01-28 16:54:37 · 10471 阅读 · 0 评论 -
深度学习----NLP-TextCNN文本分类解读
文章目录1简介2.参数与超参数3.Embedding Layer4.Convolution Layer5.Max-Pooling Layer6.SoftMax 分类 Layer7.小的变种8 . Text CNN 的tf实现9. 与 LeNet 作比较10. TextCNN 论文中的网络结构1简介TextCNN 是利用卷积神经网络对文本进行分类的算法,由 Yoon Kim 在 “Convol...原创 2019-01-15 10:41:37 · 1333 阅读 · 0 评论 -
深度学习----CVPR2018最佳论文提名Deep Learning of Graph Matching解读
        ~~~~~~~~        作为一种常用的图数据处理技术,图匹配在计算机翻译 2019-01-04 18:06:07 · 4269 阅读 · 4 评论 -
深度学习----NLP结巴分词词性大全
jieba为自然语言语言中常用工具包,jieba具有对分词的词性进行标注的功能,词性类别如下:格式词性解释Ag形语素形容词性语素。形容词代码为 a,语素代码g前面置以A。a形容词取英语形容词 adjective的第1个字母。ad副形词直接作状语的形容词。形容词代码 a和副词代码d并在一起。an名形词具有名词功能的形容词。形容词代码 a和名词...原创 2019-01-04 11:40:13 · 907 阅读 · 0 评论 -
深度学习----NLP-TextRank算法详解
文章目录1. PageRank算法2. TextRank算法提取关键词3. TextRank算法提取关键词短语4. TextRank生成摘要5. 共现矩阵 ~~~~~~~~ 今天要介绍的Tex原创 2019-01-04 10:47:20 · 4584 阅读 · 0 评论 -
深度学习----NLP-ELMO算法模型解剖
文章目录简介Bidirectional 语言模型(1) forward language model(前向语言模型) and (2)backword language model(2)biLM(bidirectional language model)过程图线性组合总结论文地址:https://arxiv.org/pdf/1802.05365.pdf简介 ...原创 2018-12-24 17:03:40 · 2142 阅读 · 1 评论 -
深度学习----NLP-fastext原理细解
文章目录@[toc]1. 前言2. FastText原理2.1 模型架构2.2 层次SoftMax2.3 N-gram子词特征3. fastText和word2vec的区别4. 总结出处: https://www.cnblogs.com/huangyc/p/9768872.html1. 前言自然语言处理(NLP)是机器学习,人工智能中的一个重要领域。文本表达是 NLP中的基础技术,文本分类则...转载 2018-12-24 15:58:22 · 2282 阅读 · 0 评论 -
深度学习----基于keras的LSTM三分类的文本情感分析原理及代码
背景介绍文本情感分析作为NLP的常见任务,具有很高的实际应用价值。本文将采用LSTM模型,训练一个能够识别文本postive, neutral, negative三种情感的分类器。 本文的目的是快速熟悉LSTM做情感分析任务,所以本文提到的只是一个baseline,并在最后分析了其优劣。对于真正的文本情感分析,在本文提到的模型之上,还可以做很多工作,以后有空的话,笔者可以再做优化。理论介绍...原创 2018-12-21 11:44:09 · 14876 阅读 · 3 评论 -
深度学习----HOI人物交互算法:ICAN
论文:iCAN: Instance-Centric Attention Network for Human-Object Interaction Detection论文地址:https://arxiv.org/pdf/1808.10437.pdf        ~~~~~~~~&am翻译 2019-03-01 15:30:15 · 12725 阅读 · 5 评论 -
深度学习----词向量历史和发展现状解说
小编看了大量的文档,觉得一下文章写得最好词向量发展篇:https://blog.csdn.net/m0_37565948/article/details/84989565内容:共现矩阵-SVD-NNLM-Word2Vec-Glove-ELMoBERT词向量发展进程https://blog.csdn.net/miangangzhen/article/details/85318096wor...原创 2019-03-07 14:43:39 · 1993 阅读 · 0 评论 -
opencv+海康威视实时rtsp视频流链接
文章目录1、首先对于无线或有线设备链接2、对于无线设备另一种链接——旧版3、判断rtsp是否正确用opencv对接海康威视rtsp流的路径问题困扰我了两天,网上的rtsp大部分都不一样,我试了很多次,都没成功的,但最后我还是搞清楚了对于不同的海康威视产品,有不同的写法。1、首先对于无线或有线设备链接新版和旧版通用的统一写法有:rtsp://admin:admin@192.168.0.111...原创 2019-08-30 09:59:36 · 7811 阅读 · 2 评论 -
超越BERT的广义自回归预训练方法——XLNET
原文地址:https://blog.csdn.net/qq_31456593/article/details/93015488–摘要:凭借对双向上下文进行建模的能力,与基于自回归语言建模的预训练方法相比,基于BERT的基于自动编码的预训练实现了更好的性能。然而,依赖于对输入使用掩码,BERT忽略了屏蔽位置之间的依赖性,并且受到预训练 - 微调差异的影响。根据这些优点和缺点,我们提出了XLNe...转载 2019-06-20 16:16:22 · 1101 阅读 · 0 评论 -
深度学习----NLP-TextRank的textrank4zh模块源码解读
文章目录1. textrank4zh模块源码解读2 textrank4zh模块的使用2.1 textrank4zh模块的安装2.2 textrank4zh的使用实例1)提取关键词、关键短语和关键句2)展示textrank4zh模块的三种分词模式的效果TextRank算法是一种文本排序算法,由谷歌的网页重要性排序算法PageRank算法改进而来,它能够从一个给定的文本中提取出该文本的关键词、关键...原创 2019-06-19 09:40:30 · 2242 阅读 · 0 评论 -
超越BERT、GPT------屏蔽序列到序列预训练MASS(原理篇)
文章目录1、前言2、新的与训练方法——MASS3、统一的与训练框架序列到序列自然语言生成任务实验微软研究院 AI 头条,转:https://mp.weixin.qq.com/s/0bU6_nsVzi6s6VyO8Y6s2A论文地址:https://arxiv.org/pdf/1905.02450.pdf1、前言 &nb...原创 2019-05-13 10:23:56 · 1515 阅读 · 0 评论 -
CNN网络架构演进:从LeNet到DenseNet
转载LeNetAlexNetZFVGGGoogLeNetResNetDenseNet内容链接:http://www.cnblogs.com/skyfsm/p/8451834.html转载 2019-05-19 16:13:08 · 354 阅读 · 0 评论 -
python+opencv保存图像三种方法比较
文章目录@[toc]1.cv2打开和保存图片:分彩色和灰度图两种情况2.PIL打开和保存图片3.skimage打开和保存图片:分彩色和灰度图两种情况4.plt打开和保存图片5.实验6.总结7.代码学习各种图片读入和保存方法,分析对比其图像的格式1.cv2打开和保存图片:分彩色和灰度图两种情况 ~~~...原创 2019-04-17 11:06:13 · 19719 阅读 · 0 评论 -
深度学习------NLP之依存语法综述
文章目录@[toc]一、概述依存句法分析标注关系 (共14种) 及含义依存句法分析通常满足3个约束依存句法准确率指标二、基于图的依存句法分析代表Chu-Liu/Edmonds Algorithm算法流程三、基于转移的依存句法分析Transition-based parsing(基于贪心决策动作拼装句法树)PCFG(概率上下文无关文法)Lexical PCFG(基于词典的PCFG)四、基于深度学习技...原创 2019-04-03 15:25:13 · 3418 阅读 · 1 评论 -
深度学习----目标检测R-CNN发展(一张图说清)
详解链接:https://blog.csdn.net/Sakura55/article/details/81939034原创 2019-03-28 14:42:29 · 436 阅读 · 0 评论 -
深度学习------Lingvo框架下的加速通道GPipe
开源地址:https://github.com/tensorflow/lingvo/blob/master/lingvo/core/gpipe.pyBigGan、BERT和GPT-2的出现表明,越大的神经网络模型可以带来越好的性能。其中能写出各种假新闻的GPT-2参数就有15亿个之多。如果你也在训练一个参数超多的模型,那么现在有个好消息要告诉你。谷歌在最近公布的Lingvo框架下开源了GP...转载 2019-03-26 16:29:15 · 1064 阅读 · 0 评论 -
金书------LiYu's personal knowledge wiki
原文地址:https://sthsf.github.io/wiki/#Algorithm-DeepLearning-Tensorflow学习笔记 About 关于这个wiki 短中长期计划 Algorithm ...翻译 2019-03-29 14:26:31 · 501 阅读 · 0 评论 -
人工智能 = 人工智障(史上最全的人工智能机器学习、深度学习教程合集目录)
文章目录机器学习激活函数和函数偏差(bias)感知器回归梯度下降生成学习反向传播深度学习最优化和降维长短期记忆(LSTM)卷积神经网络(CNN)递归神经网络(RNN)强化学习生成对抗网络(GAN)多任务学习NLP深度学习和NLP词向量编码器-解码器Python实战案例Scipy和numpyscikit学习TensorflowPyTorch数学线性代数概率论微积分我将这篇文章分为四个部分:机器学习...转载 2019-03-25 11:49:37 · 950 阅读 · 0 评论 -
深度学习----Tensorflow再命名实体上常用的函数
函数作用tf.contrib.crf.crf_log_likelihood()        ~~~~~~~~     &nbsp原创 2019-03-12 10:10:04 · 424 阅读 · 0 评论 -
深度学习----NLP关键词抽取的常见算法
文章目录方法分类NO.1、文本关键词提取算法基于统计特征的关键词提取算法1、基于词`权重`的特征量化2、基于词的`文档位置`的特征量化3、基于词的`关联信息`的特征量化NO.2、文本关键词提取算法基于词图模型的关键词抽取算法1、综合特征法2、系统科学法NO.3、文本关键词提取算法基于主题模型的关键词抽取NO.4、文本关键词提取算法NO.5、文本关键词提取算法方法分类关于文本的关键词提取方法分为...原创 2018-12-20 16:27:04 · 25174 阅读 · 5 评论 -
机器学习----统计学习方法-2
五、决策树原创 2018-07-19 20:58:33 · 362 阅读 · 0 评论 -
【总目录】人工智能、机器学习、深度学习总结大全----目录.未完待续...
数学必知必会原创 2018-07-13 18:57:47 · 5190 阅读 · 4 评论 -
机器学习----算法图解
第一章、算法简介二分查找简单的说想要找到目标数据,就是在有序排列的数据中先从有相关的数据中查找。 打个比方: 假设要在电话簿中找一个名字以K打头的人,(现在谁还用电话簿!) 可以从头开始翻页,直到进入以K打头的部分。但你很可能不这样做,而 是从中间开始,因为你知道以K打头的名字在电话簿中间。优化的二分查找,先看例子 假设你要在字典中查找一个单词,而该...原创 2018-07-05 14:46:08 · 1188 阅读 · 0 评论 -
面试问题------降采样,PCA,LDA
降采样降采样降采样 又名 下采样或缩小图像。即是采样点数减少。对于一幅N*M的图像来说,如果降采样系数为k,则即是在原图中 每行每列每隔k个点取一个点组成一幅图像。降采样很容易实现. 他的目的有两个(1)使得图像符合显示区域的大小。 (2)生成对应图像的缩略图 上采样 又名图像插值或放大图像 主要目的是放大原图像,从而...原创 2018-07-17 20:12:25 · 4149 阅读 · 0 评论 -
机器学习----聚类总结
一、聚类分类二、k-means2.1、基本算法2.2、 算法流程2.3、算法分析2.4、结束条件一、聚类分类        &原创 2018-07-17 17:50:32 · 1060 阅读 · 0 评论 -
Jupyter notebook转化为网页的方法
本人在写一个项目的时候就想,一个jupyter notebook内容那么多,要是能做成网页潜入到博客中,能省下不少时间,自己也摸索了蛮长时间的,给大家分享一下~ 有关jupyter notebook转化的其他格式的用法以及Github的详情用法,之后会详细分博客介绍,今天先讲转化为网页的      &原创 2018-06-28 21:16:58 · 7837 阅读 · 2 评论 -
机器学习----集成学习
一、 集成学习概述二、集成学习分类2.1、 集成学习之boostingboosting之Adaboost2.2、集成学习之baggingbagging之随机森林2.3、bagging之Stacking三、集成学习之评定方法3.1、平均法3.2、投票法3.3、学习法四、小结五、拓展前向分步算法 &n...原创 2018-07-16 20:00:00 · 807 阅读 · 0 评论 -
机器学习----聚类分析(Kmeans聚类算法)
机器学习算法的分类一、什么是聚类分析物以类聚,人以群分 二、相似度与距离度量原创 2018-07-03 16:02:26 · 7140 阅读 · 0 评论 -
可视化库----Matplotlib入门+基础
一、基础美化#-*-coding:utf-8-*-import matplotlib.pyplot as pltplt.rcParams['font.sans-serif']= ['SimHei'] #中文注释plt.rcParams['axes.unicode_minus'] = False #显示正负号x = [1,2,5]y = [5,4,2]x2 = [1,3,5]...原创 2018-06-26 12:33:38 · 514 阅读 · 0 评论 -
科学数据库----Pandas高级篇
1、数据归整化1.1数据合并原创 2018-06-26 10:45:49 · 715 阅读 · 0 评论 -
机器学习----数据准备&特征工程(2)
一、数据降维原创 2018-06-22 17:17:20 · 691 阅读 · 0 评论 -
机器学习----数据准备&特征工程(1)
一、总介绍二、用户RFM行为特征提取import pandas as pdfrom IPython.core.interactiveshell import InteractiveShellInteractiveShell.ast_node_interactivity= "all"##导入交易数据类型trade = pd.read_csv(&am原创 2018-06-22 17:17:01 · 876 阅读 · 0 评论