![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
复杂网络
文章平均质量分 88
星宇星静
一个刚投身于nlp事业的年轻人
展开
-
从二分类到多分类:探索Logistic回归到Softmax回归的演进
我们讨论了从二分类到多分类的发展历程,以及Logistic回归到Softmax回归的演进。Logistic回归作为经典的二分类算法,为我们提供了解决基本问题的基础。然而,随着问题的复杂化,Softmax回归成为处理多分类任务的关键工具,为我们提供了更大的灵活性和表达能力。原创 2023-12-09 21:09:42 · 244 阅读 · 0 评论 -
vue+echarts实现依赖关系无向网络拓扑结图节点折叠展开策略
在设计关系图时,选择力引导依赖关系图作为主要可视化方法,考虑到树状图在呈现节点之间关系方面的不便,力引导图能更好地展示节点关系。为了实现节点的折叠和展开策略,引入了开源库echarts3,并设计了节点的展开和收缩逻辑。关系图的布局采用力导向算法,其中引力中心设置为图中心,节点层级按照由中心向四周分布。详细讨论了力引导关系图的基本概念,节点和边的定义,以及力导向布局算法的原理。原创 2023-11-28 21:24:12 · 2571 阅读 · 0 评论 -
OneIE代码详解,匹配论文详细解读(二)
揭示了OneIE模型对信息抽取任务采用的图结构表示。进一步,通过对训练过程的解读,深入探讨了OneIE模型的训练策略、优化器选择以及损失函数的设计。通过此综合性的解读,读者能够全面了解OneIE的实际实施细节。原创 2023-11-18 14:16:39 · 174 阅读 · 3 评论 -
OneIE代码详解,匹配论文详细解读(一)
本文通过结合代码和论文,全面探讨了OneIE(One Information Extraction)的实施过程。首先,介绍了代码目录和配置文件的组织结构,为读者提供了代码结构的概览。随后,深入讨论了训练的过程,解释了在OneIE中如何进行数据的预处理和格式转换。原创 2023-11-18 11:55:46 · 424 阅读 · 1 评论 -
DNN揭秘深度神经网络:解析多层学习的威力——快速上手用pytorch框架快速搭建DNN
定义输入、隐藏层和输出的维度我们深入了解了神经网络的基本结构,包括层次结构、神经元、权重和激活函数。通过前向传播和反向传播的过程,我们了解了模型是如何进行训练并不断优化参数以适应数据的。在具体实现方面,我们使用了PyTorch,这是一个强大的深度学习框架。通过示例代码,我们展示了如何使用PyTorch构建一个多隐藏层的深度神经网络,并使用随机梯度下降(SGD)优化器来训练模型。深度神经网络在许多领域展现了巨大的成功,如图像识别、自然语言处理等。原创 2023-11-15 14:45:03 · 1125 阅读 · 2 评论