发表评论取消回复
相关阅读
相关 《nlp入门+实战:第九章:循环神经网络》
文章目录 1.文本的tokenization 1.1 概念和工具的介绍 1.2 中英文分词的方法 2.N-garm表示方法 3
相关 《nlp入门+实战:第二章:pytorch的入门使用 》
文章目录 1.pytorch的介绍 2.pytorch的版本 3.pytorch的入门使用 3.1 张量Tensor 3.2
相关 《nlp入门+实战:第一章:深度学习和神经网络》
文章目录 1.机器学习和深度学习的区别 区别1:特征提取 区别2:数据量 2.深度学习的应用场景 图像识别
相关 AI入门----神经网络实战----GAN
前言 之前我们学了AutoEncoder生成式神经网络。从效果看,生成的图片有点模糊。这里我们将介绍另一种生成式神经网络:GAN。这可能是深度学习中最让人兴奋的一个方向了。
相关 AI入门:神经网络实战----卷积神经网络
前言 我们使用的MNIST数据集中的数据大体是这样的:有效的像素只占据28 \ 28个像素中的很小一部分。另外,即使是有效的像素之间,它们也不一定有联系,一般来说,一个像素
相关 AI入门:神经网络实战----全连接神经网络
MNIST数据集介绍 MNIST数据集是0~9等十个数字的手写数字数据集,它有50000张训练图片,10000张测试图片。每一张图片都是28 \ 28像素的灰度图。这些图片
相关 第五章(1.6)深度学习——循环神经网络简介
循环神经网络的神经网络体系结构,它针对的不是自然语言数据,而是处理连续的时间数据,如股票市场价格。在本文结束之时,你将能够对时间序列数据中的模式进行建模,以对未来的值进行预测。
相关 NLP系列 8. 循环神经网络(RNN)
RNN 提出背景 人的记忆原理也是与当前输入和之前的输入有关的。每个预测的结果都会放到下一个输入里进行运算,与下一次的输入一起来生成下一次的结果。 听到一句话“
还没有评论,来说两句吧...