杰克斯 - 簡書

IP屬地：山西

第0x02講使用ESP32開發(fā)板進(jìn)行CAN總線通信
上一講我們使用Arduino DUE進(jìn)行CAN通信，Arduino DUE進(jìn)行CAN通信的優(yōu)勢在于兜畸，它本身集成了兩個CAN控制器模塊，可以在板內(nèi)...

11133 3 2
第59章生成對抗網(wǎng)絡(luò)GAN原理
前面幾章學(xué)習(xí)了使用JAX進(jìn)行計算機(jī)視覺苫耸、自然語言處理等方面深度學(xué)習(xí)任務(wù)，可以看到基于JAX的深度學(xué)習(xí)框架能夠較好地完成這些常見任務(wù)儡陨。本章講學(xué)習(xí)一...

576 0 0

第58章中文文本分類任務(wù)處理
前面幾章中褪子，通過卷積實現(xiàn)了文本分類，并且通過使用gensim掌握了對文本進(jìn)行詞向量轉(zhuǎn)換的方法迄委。詞嵌入是目前最常見的將文本轉(zhuǎn)換成向量的方法褐筛，比較適...

100 0 0
第57章詞卷積
使用字符卷積對文本分類是可以實現(xiàn)的，但是相對于詞來說叙身，字符包含的信息并沒有詞多渔扎，即使卷積神經(jīng)網(wǎng)絡(luò)能夠較好地對數(shù)據(jù)信息進(jìn)行學(xué)習(xí)，但是由于包含的內(nèi)容...

163 0 0
第56章字符卷積
卷積神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域獲得了巨大的成功信轿，其結(jié)合特征提取和目標(biāo)訓(xùn)練為一體的模型晃痴，能夠很好地利用已有的信息度和結(jié)果進(jìn)行反饋訓(xùn)練残吩。對于文本識別的...

178 0 0
第55章 FastText和預(yù)訓(xùn)練詞向量
在實際的模型訓(xùn)練中，word2vec是一個最常用也是最重要的將“詞”轉(zhuǎn)換為“詞嵌”的方式倘核。對于普通文本來說泣侮，供人類所了解和掌握的信息傳遞方式并不...

951 0 0
第54章文本主題提取
一般來說，文本主題提取主要涉兩種方法紧唱，基于TF-IDF的文本關(guān)鍵字提取活尊。基于TextRank的文本關(guān)鍵字提取。除此之外漏益，還有很多模型和方法...

451 0 0

第53章使用詞向量模型word2vec訓(xùn)練預(yù)處理的文本
有了上一章預(yù)處理的文本數(shù)據(jù)蛹锰，現(xiàn)在可以開始使用文本處理模型來訓(xùn)練文本。本章嘗試使用word2vec模型來訓(xùn)練绰疤。 word2vec是Google在2...

547 0 0
第52章文本數(shù)據(jù)預(yù)處理
無論是深度學(xué)習(xí)還是自然語言處理铜犬，一個非常重要的話題就是將自然語言轉(zhuǎn)換成計算機(jī)可以識別的特征向量。文本的預(yù)處理一般都是通過文本分詞 -> 詞嵌入 ...

162 0 0