深度学习 关于深度学习:恒源云社区大佬的论文小记FloodingX 文章起源 | 恒源云社区原文地址 | Flooding-X: 超参数无关的 Flooding 办法原文作者 | Mathor所谓大佬，就是只有你肯挖，总有你不晓得的知识点在某个中央等着你来学习！往下看，这不就来了吗！注释开始：ICML2020的论文《Do We Need Zero Training Loss After Achieving Zero Training Error?》提出了一种Flooding办法，…
深度学习 关于深度学习:开工第一课-用-DocArray-搭建-fashion-search-引擎 DocArray 是由 Jina AI 近期公布的、实用于嵌套及非结构化数据传输的库，本文将演示如何利用 DocArray，搭建一个简略的服装搜索引擎。
深度学习 关于深度学习:使用DistilBERT-蒸馏类-BERT-模型的代码实现 机器学习模型曾经变得越来越大，即便应用经过训练的模型当硬件不合乎模型对它应该运行的冀望时，推理的工夫和内存老本也会飙升。为了缓解这个问题是应用蒸馏能够将网络放大到正当的大小，同时最大限度地缩小性能损失。
深度学习 关于深度学习:卷积自编码器中注意机制和使用线性模型进行超参数分析 新神经网络架构设计的最新进展之一是注意力模块的引入。首次呈现在在NLP 上的注意力背地的次要思维是为数据的重要局部增加权重。在卷积神经网络的状况下，第一个留神机制是在卷积块留神模型中提出的。其中留神机制分为两个局部:通道留神模块和空间留神模块。
深度学习 关于深度学习:5分钟NLP-SpaCy速查表 SpaCy 是一个收费的开源库，用于 Python 中的高级自然语言解决包含但不限于词性标注、dependency parsing、NER和类似度计算。它可帮忙构建解决和了解大量文本的应用程序可用于多种方向，例如信息提取、自然语言了解或为深度学习提供文本预处理。
深度学习 关于深度学习:MindSpore图片分类之代码实现 摘要在后面两次的分享中，咱们次要探讨了LeNet卷积神经网络，剖析了卷积、池化、全连贯这些操作运算的特点和用法，以及LeNet中每一层的计算和作用。在理解过该网络的原理后，那么本次咱们将通过应用MindSpore工具实现MNIST数据集的分类。
深度学习 关于深度学习:MindSpore分类指标之精准率召回率和F值详解二 在上次的分享中，咱们提到了评测分类模型的意义和准确率、AUC/ROC两种评测办法。敌人们可能就会思考分类的工作多种多样，评测模型的性能只有这两种办法吗？当然还有。这次咱们就一起来认识一下精准率(Precision)、召回率(Recall)，以及这两个联合组成的F值。
深度学习 关于深度学习:自然语言处理之句法分析 在自然语言解决的一个重要分支畛域——机器翻译中，句法分析占据着外围的位置，句法分析也是自然语言解决的核心技术，是机器了解语言的要害局部。句法分析的次要工作是辨认出句子所蕴含的句法成分以及这些成分之间的关系，通常会以句法树来示意句法分析的后果。本次分享将介绍句法分析相干的技术。
深度学习 关于深度学习:自然语言处理之文本向量化 本次内容将分享文本向量化的一些办法。文本向量化的办法有很多，次要可分为以下两个大类：基于统计的办法、基于神经网络的办法。在自然语言解决的畛域中，文本向量化是文本示意的一种重要形式。文本向量化的次要目标是将文本示意成一系列可能表白文本语义的向量。无论是中文还是英文，词语都是表白文本处理的最根本单元…
深度学习 关于深度学习:恒源云Teacher-Forcing训练小技巧来啦～ 文章起源 | 恒源云社区原文地址 | Teacher Forcing原文作者 | Mathor年底啦年底啦～要放假啦放假了～不整大活，搞点小内容分享一下吧！注释开始本文次要介绍一下Teacher Forcing这个训练过程中的技巧以Seq2Seq为例，在训练过程中，\( t_0 \) 时刻Decoder的输出是”<SOS>“，输入可能并不是正确的后果”the”，比方说…
