當前芋膘，在BERT等預訓練模型的基礎上進行微調(diào)已經(jīng)成了NLP任務的一個定式了赔退。為了了解BERT怎么用对人，在這次實踐中玻墅，我實現(xiàn)了一個最簡單的NLP任務霜浴，即文本情感分類。 1.基于B...
發(fā)簡信
IP屬地：陜西
-
我的實踐：pytorch框架下基于BERT實現(xiàn)文本情感分類 -
我的實踐：通過螞蟻、蜜蜂二分類問題了解如何基于Pytorch構建分類模型
1.數(shù)據(jù)集準備 本例采用了pytorch教程提供的蜜蜂乳蛾、螞蟻二分類數(shù)據(jù)集（點擊可直接下載）[https://download.pytorch.org/tutorial/hym...
-
我的實踐：通過一個簡單線性回歸入門pytorch機器學習簡單來講就是要在數(shù)據(jù)中訓練出一個模型，能夠將輸入映射成合理的輸出鄙币。所以肃叶，在訓練模型之前，我們首先準備好輸入十嘿、輸出對因惭；然后再利用這些輸入、輸出對來優(yōu)化模型绩衷，使模型的LO...
-
元學習（Meta-learning）——讓機器學習如何學習
1 元學習概述 元學習的意思即“學會如何學習” 蹦魔。 在機器學習中，工作量最大也是最無聊的事情就是調(diào)參唇聘。我們針對每一個任務從頭開始進行這種無聊的調(diào)參版姑，然后耗費大量的時間去訓練...
-
強化學習（Reinforcement Learning, RL）——讓AlphaGo進化得比人類更強
1 題外話：人類棋手的最后贊禮 2016年3月15日，AlphaGo以4:1的比分擊敗了人類的傳奇棋手李世石迟郎。在李世石折戟沉沙的當晚剥险，一個名叫柯潔的中國少年站出來說，“就算A...
-
領域自適應（Domain adaption)——實現(xiàn)模型的自適應遷移
領域自適應（Domain adaption)——實現(xiàn)模型的自適應遷移 1 領域自適應網(wǎng)絡概述 有時候我們在某個領域訓練出的一個模型宪肖，想遷移到另一個領域表制，這樣我們就不需要每個領...
-
生成對抗網(wǎng)絡（Generative Adversarial Networks,GAN）——讓機器學習具有創(chuàng)造力
1 生成對抗網(wǎng)絡概述 有時候我們希望網(wǎng)絡具有一定的創(chuàng)造力健爬，比如畫畫、編曲等等么介，能否實現(xiàn)呢娜遵？是可以實現(xiàn)的，大家可以鑒別一下下面這幾張照片壤短，哪些是真實的人臉设拟，哪些是機器生成的人臉...
-
BERT——自監(jiān)督學習的典范
1 自監(jiān)督學習的概念 在機器學習中，最常見的是監(jiān)督學習（Supervised learning）久脯。假設模型的輸入是纳胧，輸出是，我們?nèi)绾问鼓Ｐ洼敵鑫覀兤谕哪亓弊课覀兊脫碛幸褬俗⒌?..
-
Transformer——實現(xiàn)“序列to序列”的轉換
1 Transformer 概述 在機器學習中跑慕，我們有很多任務都是 “序列to序列” 的形式，比如語音識別摧找、機器翻譯核行、文本標注等等。而且在這些任務中蹬耘，輸入序列和輸出序列的長度...
-
自注意力機制(self-attention)——考慮全局又聚焦重點
1 自注意力機制概述 有時候我們期望網(wǎng)絡能夠看到全局芝雪，但是又要聚焦到重點信息上。比如在在做自然語言處理時婆赠，句子中的一個詞往往不是獨立的绵脯，和它上下文相關，但是和上下文中不同的詞...
-
卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks, CNN)——更有效率地提取特征
卷積神經(jīng)網(wǎng)絡（Convolutional Neural Networks, CNN)——更有效率地提取特征 1 全連接神經(jīng)網(wǎng)絡的問題 圖像識別問題本質上就是分類問題休里，比如我們...
-
-
《深度學習》學習筆記
本文是李宏毅教授《機器學習》課程的學習筆記，簡要地介紹了深度學習的基本概念及常見網(wǎng)絡架構炫乓，包括卷積神經(jīng)網(wǎng)絡刚夺、自注意力機制、Transformer末捣、BERT侠姑、生成對抗網(wǎng)絡、領域...
-
提高論文寫作效率的幾款超棒工具（Mathpix Snipping Tool，aurora卒茬，bibtex4word）剛提交完博士學位論文船老，一些提高寫作效率的神器想給大家分享一下。在撰寫論文過程中圃酵，最麻煩的不過公式編輯和文獻插入柳畔，我想給大家推薦一些工具，可以提高公式編輯和文獻插入的效率郭赐。 公...
