文章轉載：【知識圖譜】——8種Trans模型
Intro Kaggle提供免費訪問內核中的NVidia K80 GPU。該基準測試表明，在深度學習模型的訓練過程中，爲您的內核啓用GPU可實現12.5倍的加速。 這個內核是用GPU運行的。我將運行時間與在CPU上訓練相同模型內核的運
未定義函數或變量 'export_fig'。 出錯 tiny_face_detector (line 197) export_fig('-dpng', '-native', '-opengl', '-transparent', out
最近由於項目組需要，需要看一篇文獻“Deep Learning from Temporal Coherence in Video”。本人也聽過一些關於深度學習，CNN方面的報告，但是其實一直都是似懂非懂，完全不瞭解他們口中
A Compact Convolutional Neural Network for Surface Defect Inspection PDF:https://www.mdpi.com/1424-8220/20/7/1974/x
深度學習論文: Pyramidal Convolution: Rethinking Convolutional Neural Networks for Visual Recognition及其PyTorch實現 Pyramidal
一. 配置 我使用的是Anaconda帶的Jupyter Notebook， 先在http://cs231n.github.io/assignments2019/assignment1/下載assignment1的.zip文件後可以將其解
網上有很多這方面的資源，詳細各位都能夠對於word2vec瞭解了大概，這裏只講講個人的理解， 目的：通過對於一個神經網絡的訓練，得到每個詞對應的一個向量表達 基於： 這個神經網絡，是基於語言模型，即給定T個詞的字符串s，計算s
本文是我去年十月份在公司的團隊技術分享會里面分享過的內容，分享這個內容的初衷是我發現自己對RNN(本文均指Recurrent Neural Networks而非Recursive Neural Networks)比較陌生，想找個
最近在學習2019版的CS224N，把所聽到的知識做成筆記，以便自己不時地回顧這些知識，另外還希望可以方便沒有時間看課程的朋友們用來做個快速的overview（當然，親自上課是最好的選擇）。我也儘量地把所有課程的知識細節都寫出來
## 開源的標註工具 自然語言處理標記工具彙總 https://blog.csdn.net/wangyizhen_nju/article/details/94559607 spacy原來有兩個標註工具，displaCy-ent和displ
替換用戶輸入句子中錯誤單詞構建詞典庫需要生成 所有候選集合讀取路透社語料庫構建語言模型：bigram用戶打錯的概率統計 - channel probalility主函數 構建詞典庫 # Python rstrip() 刪除 str
最大連續子序列 def maxSubArray(self, nums): # 判斷特殊情況 if len(nums) == 1: return nums[0] # 先初始化
0-1 揹包問題 import numpy as np def knapsack(w, v, C): # 重量 和 價值 一一對應的數組， 揹包的容量 # 定義存儲空間 並 初始化 mem = np.ze
零錢兌換問題 def coinChange(coins, amount): # 給你的零錢面額(不限數量） 要湊的總面額 # 異常判斷特殊情況（完全不可能有解的情況！） if amount =
語義角色標註（Semantic Role Labeling，SRL）的使用範圍很廣泛，可以作爲信息抽取（Information Extraction）、自動答覆（Question Answering）、機器翻譯（Machine T
