@青丘不滅 換源成功了嗎？我是通過換源解決的哩照，之前就使用了這個(gè)方法挺物，不知道其他方法了。
安裝Anaconda3后飘弧，Spyder识藤、Ipython等圖標(biāo)找不到本人用的是win10系統(tǒng)，在安裝完Anaconda3后次伶，Spyder痴昧、Ipython等圖標(biāo)找不到，但是在CMD命令中可以打開冠王。重新安裝多次后無法解決赶撰，最后找到了一種方法可以解...
發(fā)簡信
IP屬地：湖南
-
-
邏輯回歸常見面試總結(jié)
邏輯回歸常見面試總結(jié) 一、基本知識(shí) 簡要介紹：邏輯回歸假設(shè)數(shù)據(jù)服從伯努利分布，通過極大似然函數(shù)的估計(jì)方法豪娜，運(yùn)用梯度下降的方法來求解參數(shù)餐胀，來達(dá)到將數(shù)據(jù)二分類的目的。 1瘤载、邏輯回...
-
維特比算法理解與實(shí)現(xiàn)（Python）前言 寫這篇文章就是想以通俗易懂的方式解析維特比算法否灾，最后給出Python代碼的實(shí)現(xiàn)。下面的公式和原理均出自《統(tǒng)計(jì)學(xué)習(xí)方法》鸣奔。 算法的原理 算法的思路 下面我們可以根據(jù)算法的...
-
@王鵬你妹 我訓(xùn)練了50個(gè)epoch還是一樣墨技，沒轍了??
Keras命名體識(shí)別（NER）實(shí)戰(zhàn)---自然語言處理技術(shù)（1）
命名體識(shí)別（Name Entity Recognition）是自然語言處理(Nature Language Processing)領(lǐng)域中比較重要的一個(gè)任務(wù)，幾乎百分之50的和...
-
你好挎狸，我把你的代碼用在了其他數(shù)據(jù)集上健提，但是預(yù)測出的結(jié)果出現(xiàn)了問題。有的實(shí)體以 I 開頭伟叛，而不是以 B 開頭私痹，請問這是什么原因造成的呢？
Keras命名體識(shí)別（NER）實(shí)戰(zhàn)---自然語言處理技術(shù)（1）
命名體識(shí)別（Name Entity Recognition）是自然語言處理(Nature Language Processing)領(lǐng)域中比較重要的一個(gè)任務(wù)统刮，幾乎百分之50的和...
-
請問下這是有監(jiān)督算法還是無監(jiān)督的算法紊遵。在計(jì)算兩個(gè)句子相似度時(shí)，需要這兩個(gè)句子相似或者不相似的標(biāo)簽信息嗎侥蒙？非常感謝０的ぁ！鞭衩！
Siamese network 孿生神經(jīng)網(wǎng)絡(luò)--一個(gè)簡單神奇的結(jié)構(gòu)
名字的由來 Siamese和Chinese有點(diǎn)像学搜。Siam是古時(shí)候泰國的稱呼，中文譯作暹羅论衍。Siamese也就是“暹羅”人或“泰國”人瑞佩。Siamese在英語中是“孿生”、“連...
-
淺談智能搜索和對(duì)話式OS前面的文章主要從理論的角度介紹了自然語言人機(jī)對(duì)話系統(tǒng)所可能涉及到的多個(gè)領(lǐng)域的經(jīng)典模型和基礎(chǔ)知識(shí)。這篇文章蜒蕾，甚至之后的文章稠炬，會(huì)從更貼近業(yè)務(wù)的角度來寫，側(cè)重于介紹一些與自然語言問...
-
排序算法--歸并排序（python實(shí)現(xiàn)）
python 代碼如下 顯示結(jié)果如下： left= [6]right= [5]left= [5, 6]left= [3]right= [1]right= [1, 3]left...
-
VS Code之Python環(huán)境配置--Remote ssh以及本地環(huán)境
VS Code之Python環(huán)境配置 一咪啡、配置本地的python環(huán)境 1首启、安裝Anaconda3 在Anaconda官網(wǎng)下載最新版的Anaconda3版本并安裝，網(wǎng)址在這里撤摸。...
-
@其實(shí)我是你 清華的源無法繼續(xù)得到授權(quán)毅桃，因此關(guān)閉了栽惶，很多第三方的源都GG了，可以試下中科大的疾嗅、上和獬В科大的源。
安裝Anaconda3后代承，Spyder汁蝶、Ipython等圖標(biāo)找不到
本人用的是win10系統(tǒng)，在安裝完Anaconda3后论悴，Spyder掖棉、Ipython等圖標(biāo)找不到，但是在CMD命令中可以打開膀估。重新安裝多次后無法解決幔亥，最后找到了一種方法可以解...
-
CS224N(13)-詞向量的上下文表征及預(yù)訓(xùn)練Contextual Word Representations and Pretraining 一、Word Representations 在2018年之前察纯，我們使用的詞向...
-
CS224N(12)-子詞模型Subword Models 一帕棉、Morphology: Parts of words 在傳統(tǒng)上，我們通常將語素作為最小的語義單位饼记。在深度學(xué)習(xí)中：形態(tài)學(xué)方面研究很少;下面的圖...
-
CS224N(11)-NLP中的卷積神經(jīng)網(wǎng)絡(luò)ConvNets for NLP 一香伴、From RNNs to Convolutional Neural Nets RNN無法捕獲沒有前綴上下文的短語的信息。并且其最后一個(gè)向...
-
CS224N(10)-QAQA 一般來說具则，問答系統(tǒng)的目的就是根據(jù)給定的問題給出相應(yīng)的答案即纲。我們可以將其分解為兩個(gè)步驟：1、查找（可能）包含答案的文檔博肋；2低斋、在段落或文檔中找到答案。 一匪凡、閱讀理解 閱讀理...
-
CS224N(8)-機(jī)器翻譯與Seq2Seq機(jī)器翻譯與seq2seq 一膊畴、早期的機(jī)器翻譯 機(jī)器翻譯（MT）是將句子x從一種語言（源語言）翻譯成另一種語言（目標(biāo)語言）的句子y的任務(wù)。機(jī)器翻譯發(fā)展到現(xiàn)在經(jīng)歷了多個(gè)階段锹雏。 1...
-
CS224N(7)-RNN中的梯度消失RNN中的梯度消失問題 一巴比、RNN中的梯度消失 1术奖、梯度消失的影響 梯度消失是神經(jīng)網(wǎng)絡(luò)中比較常見也是比較嚴(yán)重的一個(gè)問題礁遵，在RNN中它會(huì)導(dǎo)致長距離的信息無法進(jìn)行有效的傳遞，進(jìn)而...
