原创 最前沿的12個NLP預訓練模型

1 引言 17年transformer被提出,18年迎來了ELMo和BERT的橫空出世,19年預訓練模型不出意外地開始了全面的爆發。 所以,預訓練模型也成爲了NLPer繞不過去的一個技術棧,這篇文章將會梳理一下我學習過的12個預訓練模型。

原创 最通俗易懂的圖神經網絡(GCN)原理詳解

gcn原文(Multi-layer Graph Convolutional Network (GCN) with first-order filters) GCN問世已經有幾年了(2016年就誕生了),但是這兩年尤爲火爆。本人愚鈍,一直沒

原创 NLP相關任務合集代碼及解決思路

一些競賽的解決方案(持續更新。。。) 文本相似度匹配 2019中國法研杯相似案例匹配冠軍方案思路github 2019中國法研杯相似案例匹配第7思路github DigSci科學數據挖掘大賽亞軍方案 問題對語義相似度計算-參賽總

原创 基於Adversarial Attack的問題等價性判別比賽baseline

比賽地址:https://biendata.com/competition/2019diac/ 詳見 github 數據處理: # -*- coding: utf-8 -*- """ # @Time : 2019/11/28 17

原创 交通預測-T-GCN-時間圖卷積網絡代碼及原理

實現代碼github 最通俗易懂的圖神經網絡(GCN)原理詳解 1、文章信息 《T-GCN: A Temporal Graph Convolutional Network for Traffic Prediction》 2、摘要 爲了同

原创 文本圖像數據集合、打標工具

集大家之所長彙集於此,希望對有需要的你能有所幫助。 一、打標籤工具 (1)labelimg/labelme 這兩款工具簡便易行,前者主要用於對目標進行大致的標定,用於常見的框選標定,後者主要用於較爲細緻的輪廓標定,多用於mask rcnn

原创 基於時空信息的交通流量預測方法彙總

主要收集了基於時空(歐式與非歐空間)交通流量預測最新方法 部分論文下載 交通流量預測算法調研 算法名稱 算法基本原理 考慮維度 應用場景 是否有開源實現 鏈接 實驗數據集 期刊 基於時間圖卷積網絡(T-GCN)交通流預測(A Tempor

原创 最通俗的deepFM理解及keras實現

轉自:https://blog.csdn.net/songbinxu/article/details/80151814 一、數據格式           在設計模型之間,首先要明確數據的格式應該是怎樣的。我們假設現在要解決的問題是一個CT

原创 智能聊天機器人平臺的架構與應用

轉自:https://mp.weixin.qq.com/s/c5uXsPIwFzoMwqmG2-JUPg 導讀:隨着“中臺”戰略的提出,目前宜信中臺建設在思想理念及架構設計上都已經取得了很多成果。宜信是如何藉助中臺化的思想打造“AI中臺”

原创 形象理解tf.transpose()是如何進行維度變化的

雖然用了很久的這個函數,只記得住維度的交換,但經常忘記轉換前後tensor的具體變化,再次記錄下。 tf.transpose()作爲數組的轉置函數,原型如下: def transpose(a, perm=None, name="tran

原创 各種中文詞向量集合

中文詞向量集合 https://github.com/Embedding/Chinese-Word-Vectors Word2vec / Skip-Gram with Negative Sampling (SGNS) Co

原创 基於yovov3+deep_sort的多類多目標檢測與跟蹤(計數)

對於yovov3+deep_sort的原理就不再詳細介紹了。 對視頻中的不同種類的多個物品進行跟蹤(計數),視頻截圖效果如下:   實現鏈接 Github

原创 通俗易懂Attention/Transformer模型詳解乾貨

通俗易懂Attention/Transformer模型詳解乾貨 記錄下寫得比較好的Attention/Transformer(Attention is all you need)詳解的文章,個人覺得講得比較通俗易懂的,特別是針對我

原创 爬蟲小項目分享(微博關鍵詞搜索爬蟲、微博爬蟲、鏈家房產爬蟲、新浪新聞爬蟲、騰訊招聘爬蟲、招投標爬蟲)

分享下工作中曾經的爬蟲小項目,現不保證完全可用,僅做參考。 爬蟲合集github地址:https://github.com/xiaoxiong74/Spiders 主要是基於scrapy或scrapy-redis框架進行數據爬蟲 大體框架

原创 keras/tensorflow 使用flask部署服務的常見錯誤及部署多個模型

本文主要列舉了在用keras/tensorflow訓練好模型後,使用flask部署服務時的兩個常見錯誤及一次性解決辦法。 類型1、ValueError: Tensor Tensor(“dense_1/Softmax:0”, shape=(