深度学习

最近在做BERT的fine-tune工作，记录一下阅读项目https://github.com/weizhepei/BERT-NER时梳理的训练pipline，该项目基于Google的Transformers代码构建 前置知识 bert的DataLoader简介（真的很简介） https://zhu ... »

Pytorch之Spatial-Shift-Operation的5种实现策略 本文已授权极市平台, 并首发于极市平台公众号. 未经允许不得二次转载. 原始文档(可能会进一步更新): https://www.yuque.com/lart/ugkv9f/nnor5p 前言 之前看了一些使用空间偏移操作来 ... »

对于ubuntu18.04上配置深度学习环境的全过程的回忆，努力做到备忘+教程的作用。 ... »

摘要：文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN。 本文分享自华为云社区《Keras深度学习中文文本分类万字总结(CNN、TextCNN、BiLSTM、注意力)》，作者： eastmount。 一.文本 ... »

现在搞传统机器学习相关的研究论文确实占比不太高，有的人吐槽深度学习就是个系统工程而已，没有数学含金量。但是无可否认的是深度学习是在太好用啦，极大地简化了传统机器学习的整体算法分析和学习流程，更重要的是在一些通用的领域任务刷新了传统机器学习算法达不到的精度和准确率。深度学习这几年特别火，就像5年前的大... ... »

原贴博客：https://blog.csdn.net/zfrycw/article/details/80633979 目录 前言 一、利用现成网络进行分类 二、构建简单的分类网络 三、迁移学习 前言 »

深度学习引擎最佳实践 {#concept_1113021 .concept} 阿里云Web应用防火墙采用多种Web攻击检测引擎组合的方式为您的网站提供全面防护。Web应用防火墙采用规则引擎、语义分析和 »

1. CNN的计算过程 http://www.moonshile.com/post/juan-ji-shen-jing-wang-luo-quan-mian-jie-xi 2. 零基础入门深 »

本篇主要介绍如何从一个小白逐步进阶成长的过程。 »

卷积神经网络是近年来深度学习能在计算机视觉领域取得突破性成果的基石。它也逐渐在被其他诸如自然语言处理、推荐系统和语音识别等领域广泛使用。 一、卷积神经网络简介 卷积神经网络的结构：卷积层、池化层、全连 »

youtuber Chenghsi Hsieh https://www.youtube.com/channel/UCTfGzxIlix13tHBwFQH4NPQ 林轩田 https »

引自：《零基础搞定机器学习及机器学习》（网易云课堂 - 覃秉丰） 线性回归 回归分析最典型的例子就是“房价预测”。 代价函数 相关系数 决定系数 y为真实值，加 - 表示均值，加 ^ 表示预测值。 梯 »

起源 机器学习VS深度学习 深度学习概述 疾病判断：病人到医院去做了一大堆肝功、尿检测验，把测验结果送进一个机器里，机器需要判断这个病人是否得病，得的什么病。 图像识别：有一大堆猫、狗照片，把每一张照 »

往期回顾 在上一篇文章中，我们已经学会了编写一个简单的感知器，并用它来实现一个线性分类器。你应该还记得用来训练感知器的『感知器规则』。然而，我们并没有关心这个规则是怎么得到的。本文通过介绍另外一种『感 »

零基础入门深度学习(1) - 感知器 零基础入门深度学习(2) - 线性单元和梯度下降 零基础入门深度学习(3) - 神经网络和反向传播算法 零基础入门深度学习(4) - »

无论即将到来的是大数据时代还是人工智能时代，亦或是传统行业使用人工智能在云上处理大数据的时代，作为一个有理想有追求的程序员，不懂深度学习（Deep Learning）这个超热的技术，会不会感觉马上就o »

本文转载自:https://zybuluo.com/hanbingtao/note/541458 在前面的文章系列文章中，我们介绍了全连接神经网络和卷积神经网络，以及它们的训练和使用。他们都只能单独的 »

最近开始入门深度学习，收集到一些对学习有帮助的文档，先记录下来，有学习成果之后再进行总结。 1、零基础入门深度学习，该链接包含七篇深度学习的文章： ①感知器 ②线性单元和梯度下降 ③神经网络和反向传播 »

这是一个优秀的零基础入门深度学习教程！ 零基础入门深度学习(1) - 感知器 零基础入门深度学习(2) - 线性单元和梯度下降 零基础入门深度学习(3) - 神经网络和反向传播算法 零基础入门深度学习 »

"零基础入门深度学习(1) 感知器" "零基础入门深度学习(2) 线性单元和梯度下降" "零基础入门深度学习(3) 神经网络和反向传播算法" »