前言 首先在Shell中樟结，括號(hào)表示條件測(cè)試方法。主要用在if-then艳悔、case等需要條件判斷的語句結(jié)構(gòu)中。 最近在看bash，括號(hào)搞的我一頭霧水白翻，所以總結(jié)一下，理清思路绢片！ ...
發(fā)簡(jiǎn)信
IP屬地：北京
-
Shell中的括號(hào)术辐、雙括號(hào)娱挨、方括號(hào)和雙方括號(hào)
-
語音識(shí)別4 --RNN-Transducer及其訓(xùn)練解碼過程1.RNA ??RNA提出的時(shí)間要比RNN-T晚滤馍，但是實(shí)際上是介于CTC和RNN-T之間的一種結(jié)構(gòu)，在CTC中底循，有一個(gè)假設(shè)是輸出之間相互獨(dú)立的巢株，但是這種假設(shè)其實(shí)不是很好，因?yàn)?..
-
@Johann_Liang 我又看了下bert代碼熙涤，bert雖然會(huì)將一個(gè)句子重復(fù)10遍阁苞，但每次隨機(jī)選取的隨機(jī)種子是相同的，所以10遍都是一樣的
改進(jìn)版的RoBERTa到底改進(jìn)了什么祠挫？
在XLNet全面超越Bert后沒多久那槽，F(xiàn)acebook提出了RoBERTa（a Robustly Optimized BERT Pretraining Approach）。再...
-
在示例中等舔，引入π這個(gè)隱變量是不是有點(diǎn)多此一舉骚灸，利用不同概率分布計(jì)算一個(gè)樣本的概率密度值后，直接標(biāo)準(zhǔn)化不就知道該樣本屬于不同分布的概率是多大嗎慌植？
機(jī)器學(xué)習(xí)筆記 - 19. EM算法（講師：鄒博）
前言 EM算法甚牲，在學(xué)術(shù)界的重視程度义郑，要高于在工業(yè)界。它是一個(gè)做數(shù)據(jù)優(yōu)化的方法丈钙。比如現(xiàn)在如果遇到問題魔慷，如果想對(duì)問題做優(yōu)化，大家或許只會(huì)用最大似然估計(jì)(MLE)寫目標(biāo)函數(shù)著恩，當(dāng)然也...
-
機(jī)器學(xué)習(xí)筆記 - 19. EM算法（講師：鄒博）前言 EM算法院尔，在學(xué)術(shù)界的重視程度，要高于在工業(yè)界喉誊。它是一個(gè)做數(shù)據(jù)優(yōu)化的方法邀摆。比如現(xiàn)在如果遇到問題，如果想對(duì)問題做優(yōu)化伍茄，大家或許只會(huì)用最大似然估計(jì)(MLE)寫目標(biāo)函數(shù)栋盹，當(dāng)然也...
-
Git Reset 三種模式有時(shí)候，我們用Git的時(shí)候有可能commit提交代碼后敷矫，發(fā)現(xiàn)這一次commit的內(nèi)容是有錯(cuò)誤的例获，那么有兩種處理方法：1、修改錯(cuò)誤內(nèi)容曹仗，再次commit一次 2榨汤、使用git r...
-
-
博主颅湘，你好话侧，我看了一下bert產(chǎn)生數(shù)據(jù)的源碼？每次重復(fù)mask位置都是隨機(jī)抽取的闯参？為什么說bert是static mask了瞻鹏？
改進(jìn)版的RoBERTa到底改進(jìn)了什么悲立？
在XLNet全面超越Bert后沒多久，F(xiàn)acebook提出了RoBERTa（a Robustly Optimized BERT Pretraining Approach）新博。再...
-
nginx+uwsgi 和nginx+gunicorn區(qū)別薪夕、如何部署
[線上環(huán)境部署Django，nginx+uwsgi 和nginx+gunicorn赫悄，這兩種方案原献，應(yīng)該如何選擇？] 大家是采用的何種部署方式埂淮？ 第一種,高并發(fā)穩(wěn)定一點(diǎn) 我們公司...
-
數(shù)據(jù)結(jié)構(gòu)：堆（Heap）
堆就是用數(shù)組實(shí)現(xiàn)的二叉樹姑隅，所以它沒有使用父指針或者子指針。堆根據(jù)“堆屬性”來排序倔撞，“堆屬性”決定了樹中節(jié)點(diǎn)的位置讲仰。 堆的常用方法： 構(gòu)建優(yōu)先隊(duì)列 支持堆排序 快速找出一個(gè)集合...
-
tf.slice()到底怎么切的，看不懂你掐死我
對(duì)于java起手的程序猿痪蝇，python的計(jì)算多維度數(shù)組的方式真的是有點(diǎn)蛋疼鄙陡。最近看代碼的時(shí)候需要弄明白tf.slice()的具體操作方法。去看了看官方的注釋和例子還是一頭霧水...
-
make 和 make install 的區(qū)別
簡(jiǎn)單來說躏啰，make 是編譯趁矾，make install 是安裝。 總結(jié)：linux編譯安裝中configure给僵、make和make install各自的作用 ./configu...
-
[0.3] 續(xù)--Tensorflow踩坑記之tf.metrics【續(xù)】--Tensorflow踩坑記之tf.metrics 欠下的帳總歸還是要還的愈魏，之前一直拖著，總是懶得寫tf.metrics這個(gè)API的一些用法想际，今天總算是克服了懶癌培漏，總...
-
博主，你好胡本，請(qǐng)問你用序列標(biāo)注判斷一個(gè)字是否出錯(cuò)牌柄，模型效果如何？召回率和準(zhǔn)確率是多高侧甫？
拼音型簡(jiǎn)單錯(cuò)誤語料獲取與處理
在自然語言處理領(lǐng)域中珊佣，語料是非常關(guān)鍵的一個(gè)部分。然而披粟，中文的自然語言處理領(lǐng)域在大的通用型語料上雖然不少咒锻，但在特定方向上的語料仍然匱乏。在要進(jìn)行拼音型文本糾錯(cuò)任務(wù)過程中守屉，我發(fā)現(xiàn)...
-
遇到GitHub上圖片無法加載或者加載速度較慢的解決辦法最近在登錄github網(wǎng)站的時(shí)候惑艇，發(fā)現(xiàn)很多時(shí)候圖片沒法加載或者加載速度很慢，以為是掛代理的原因，后來驗(yàn)證了一下并不是滨巴。如下圖中圖片沒有正常加載： 解決辦法： 為了提高速度思灌，可...
-
博主，請(qǐng)問你在文中提到的散串是什么意思恭取？能夠舉一個(gè)具體例子嗎
中文語音識(shí)別后檢錯(cuò)糾錯(cuò)（二）：LSTM句子檢錯(cuò)糾錯(cuò)
在構(gòu)建了基于n-gram的糾錯(cuò)檢錯(cuò)模型之后泰偿，我們自然不能放過如今大紅大紫的神經(jīng)網(wǎng)絡(luò)，鑒于神經(jīng)網(wǎng)絡(luò)的靈活性和訓(xùn)練的耗時(shí)性蜈垮，我們?cè)诜椒▏L試和模型訓(xùn)練上花了很多時(shí)間耗跛，期間走過不少彎...