- 博客(6)
- 资源 (5)
- 问答 (2)
- 收藏
- 关注
RSS订阅翻译 CNTK API文档翻译(18)——多对多神经网络处理文本数据（2）
（本期教程需要翻译的内容实在是太多了，将其分割成两期，上期主要讲理论和模型创建，本期主要讲训练、测试、优化等）训练在我们开始训练之前，我们将定义训练封装器、贪婪解码封装器以及用于训练模型的准则函数。首先是训练封装器。def create_model_train(s2smodel): # model used in training (history is known from labels)
2017-08-30 21:54:48
1433
翻译 CNTK API文档翻译(17)——多对多神经网络处理文本数据（1）
（本期教程需要翻译的内容实在是太多了，将其分割成两期，本期主要讲理论和模型创建，下期主要讲训练、测试、优化等）背景和简介本教程将带你过一遍多对多神经网络基础，以及如何在CNTK中实现它。具体来说，我们将实现一个多对多模型用来实现字音转换。我们首先会介绍多对多网络的基本理论、解释数据细节以及如何下载数据。Andrej Karpathy对常用的物种神经网络结构模式有一个很好的可视化表达，如图： 本教程
2017-08-18 19:21:33
3633
2
翻译 CNTK API文档翻译(16)——增强学习基础
增强学习（RL,Reinforcement learnin）是一个由行为心理学衍生出来的机器学习领域，主要是有关软件代理如何在一个特定的环境中尽可能的获得得分。在机器学习中，为了让增强学习算法利用动态编程技术，这种环境通常被指定为马尔可夫决策过程。在有些机器学习情况中，我们不能够直接获得数据的标签，所以我们不能够使用监督学习技术。如果我们能够与学习过程进行交互，从而偶尔告诉我们一些反馈意见，无论我们
2017-08-14 22:37:15
1229
翻译 CNTK API文档翻译(15)——自然语言理解
本教程展示了如何实现一个递归神经网络来处理文本，为航空出行信息服务（ATIS）数据提供分词标记任务（将不同的词分到各自的类中，分类由训练数据集提供）。我们从文字线型降维开始，然后训练和使用LSTM神经网络。这将被扩展到相邻的单词并且双向运行。最后我们将完成一个意图分类器。本教程中你将实践到的技术包括：通过组合层块的方式描述模型，这事一种不需要编写公式的组合模型的方式。创建你自己的层块在同一网络
2017-08-09 19:47:16
2306
翻译 CNTK API文档翻译(14)——实验图像识别
这个动手实验展示了如何使用CNTK Python API中的卷积神经网络实现图像识别。本教程将从最简单的前馈卷积神经网络实现CIFAR数据集分类开始，之后会一点点的往我们的神经网络里面加入高级特性。最后你将实现一个VGG神经网络和残差神经网络（Residual Network），就想赢得ImageNet比赛的神经网络一样，只不过规模更小。介绍在本次实验中，你将练习如下类容：理解CNTK中用于图像分
2017-08-05 23:36:01
2921
翻译 CNTK API文档翻译(13)——CIFAR-10数据准备
本教程将展示如何为CNTK里的深度学习算法准备图像数据集。CIFAR-10数据集是一个常用从8000万张小图片中标记一部分而成的图像分类数据集，，由Alex Krizhevsky、Vinod Nair和 Geoffrey Hinton收集整理。CIFAR-10数据集不包含在CNTK中，不过可以非常容易的在互联网上下载并转换成CNTK支持的格式。本期教程和下期教程完成一下工作：本期：熟悉CIFAR-
2017-08-01 22:16:34
975
ArcObject 10.3.1 For .Net 对象模型(ODM)
2023-01-31
ArcObject 10.3.1 For Java 对象模型(ODM)
2023-01-31
有没有在Web上进行服务器端文件选择的框架？
2022-03-18
用JS创建的元素：focus在IE之除外的浏览器无效
2015-06-15
TA创建的收藏夹 TA关注的收藏夹
TA关注的人