- 博客(17)
- 收藏
- 关注
原创 torch学习(三) training
有两种方法进行模型训练,一种是使用封装的训练方法- StochasticGradient类 ;另外一种是使用for构建基本的训练流程 。一、StochasticGradient方法1.调用形式StochasticGradient(module, criterion)2.参数内部的成员变量,跟训练有关learningRate: This is the learning
2015-10-21 23:37:38 2397
原创 torch学习(二) nn类结构-Module
Module|-Container |-Sequential |-Parallel |-Concat |-DepthConcat安装使用torch以后,接下来就可以开始构建模型和训练了,在这之前,一定要先花半个小时的时间了解一下torch里面nn部分使用到的基本类型,否则容易混乱。一、ModuleModule是神经网络的基本组成部分,作为一个抽
2015-10-21 23:36:02 12577 3
原创 torch问题及解决方案汇总(持续更新)
一、libjpeg.so库问题描述:torch/install/lib/lua/5.1/libjpeg.so: undefined symbol: jpeg_mem_src解决方案:https://github.com/torch/image/issues/41wget http://www.ijg.org/files/jpegsrc.v8d.tar.gztar -xvf jpeg
2015-10-20 21:04:50 3469
原创 torch学习(四) using GPU
一、获取GPU信息require 'cutorch'print( cutorch.getDeviceProperties(cutorch.getDevice()) )二、GPU和CPU之间的数据互通1.构建GPU数据t1 = torch.CudaTensor(100):fill(0.5)t2 = torch.CudaTensor(100):fill(1)t1:
2015-10-20 20:57:54 8347
原创 torch学习(五) simply application
一、getting started1.torch/install/lib/lua/5.1/libjpeg.so: undefined symbol: jpeg_mem_src解决方案:https://github.com/torch/image/issues/41wget http://www.ijg.org/files/jpegsrc.v8d.tar.gztar -xvf jpe
2015-10-19 20:39:17 3615
原创 lua学习(一)
学习资源:官方手册:http://www.lua.org/manual/5.3/用户社区:http://lua-users.org/programming in lua中文版:http://www.centoscn.com/uploads/file/20130903/13781389409335.pdf一、lua概况可扩展性。Lua 的扩展性
2015-10-18 22:58:59 865
原创 GPU编程
cuda是英伟达公司的并行计算平台和编程模型,利用GPU加速计算。linux使用的命令nvcc:CUDA编译器驱动程序,类似于gccptxas:PTX汇编工具,会被nvcc调用cuobjdump:CUDA目标文件转存工具nvidia-smi:英伟达系统管理接口,可以查看gpu内存等的使用情况入门博客:http://www.cnblogs.com/1024incn/p/4
2015-10-17 18:17:22 1058
原创 torch学习(一) torch使用
一、安装问题1.Only CentOS 7 is supported for now, aborting.修改原来安装文件https://github.com/torch/ezinstall/blob/master/install-deps把“ if [[ $centos_major_version == '7' ]];then”判断去掉
2015-10-16 20:48:56 4854 4
原创 语音识别置信度
发展应用场景:smartly reject non-speech noises, detect/reject out-of-vocabularywords, detect/correct some potential recognition mistakes, clean up human transcriptionerrors in large training corpus, guide
2015-10-10 19:21:54 5068
原创 tcpcopy在语音识别的应用
语音识别线上服务使用tcpcopy搭建一套测试环境,用于上线前的测试和评估,如下图所示:其中解码器1与线上的环境一致,解码器2对应的测试环境,对解码器任何的修改可以先到解码器2上面测试一段时间,评估与解码器1的差距。其原理如下图所示:
2015-10-09 18:02:14 654
原创 深度学习框架对比
常用的深度学习框架有theano、caffe、torch7、dl4j,查阅了一些资料,了解了各自的一些特点caffe:c++,工程性能好,相比theano容易调试,模块集成度高,不易实现神经网络的个性化需求(比如修改loss function),主要是CNN,其他网络的集成不太好theano:基于python,方便修改神经网络结构,适合研究,学习曲线比较陡峭,symbol compile调
2015-10-06 22:03:05 1485
原创 theano tutorial学习笔记(一)
algebra标量求和>>> import theano.tensor as T>>> from theano import function>>> x = T.dscalar('x')>>> y = T.dscalar('y')>>> z = x + y>>> f = function([x, y], z)x不是dscalar的实例,而是TensorVar
2015-10-06 21:48:09 1771
原创 RNN(三) 在SLU中的应用
LU的主要任务是提取语义或者fillingslots,传统的解决SLU的方法包括生成模型(HMM/CFG)或者判别模型(CRF),最近RNN也开始用于SLU。SLU的语义解析包括三个方面任务:domain detection, intent determination, and slot filling,例子如下:对于slot filling来讲,输入是句子,输出是slot序列。W
2015-10-05 20:40:19 2636
原创 The Shawshank Redemption
I guess it comes down to a simple choice: get busy living or get busy dying.It takes a strong man to save himself, and a great man to save another.Fear can hold you prisoner. Hope can set you fr
2015-10-05 19:33:40 692
原创 RNN(一) overview
想学习神经网络,由于最近有语义理解和断句的工作需求,正好以RNN为切入点,开始神经网络方面的学习。一些RNN学习的资源:https://en.wikipedia.org/wiki/Recurrent_neural_networkhttp://www.zhihu.com/question/29411132神经网络基础Neural Networks神经网络中的神
2015-10-05 00:15:15 1583
原创 最大熵模型的简单理解
基本思想在只掌握了关于未知分布的部分信息的情况下,符合已知知识分布的概率分布可能有多个,但是熵值最大的概率分布最真实低反映了事件的分布情况。最大熵原理指出,当我们需要对一个随机事件的概率分布进行预测时,我们的预测应当满足全部已知的条件,而对未知的情况不要做任何主观假设。在这种情况下,概率分布最均匀,预测的风险最小。因为这时概率分布的信息熵最大,所以人们称这种模型叫“最大熵模型”。我们常说,
2015-10-02 17:33:18 8923 2
原创 HMM简单理解
HMM模型模型导出贝叶斯的输出变量只有一个,如果将输出变量y加以扩展成序列标注,也就是每一个Xi对应于一个标记Yi,贝叶斯模型转化为:考虑到输出y之间的相互依赖性,联合概率可以分解为生成概率和转移概率的乘积。缺点:虽然考虑了y之间的依赖性,但是仍然假设x之间是相互独立的。HMM用于标记的时候,隐藏变量就是词序列对应的label标记,观测序列是词序列,所求的就是基于各类标
2015-10-01 22:23:54 5149
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