weixin_43857576的博客

01 问答系统 SQuAD数据集 给定一段文字作为context，给定一个问题question，从context中寻找一段连续的文字(text span)作为问题的答案。 https://rajpurkar.github.io/SQuAD-explorer/ 代码 https://github.com/galsang/BiDAF-pytorch SQuAD数据集 02 文本摘要 03 大规模预训练语言模型 代码资源 ...

代码实现 Seq2Seq, Attention¶ 褚则伟 [email protected] 在这份notebook当中，我们会(尽可能)复现Luong的attention模型 由于我们的数据集非常小，只有一万多个句子的训练数据，所以训练出来的模型效果并不好。如果大家想训练一个好一点的模型，可以参考下面的资料。 更多阅读 课件 cs224d 论文 Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machin

01Neural Style Transfer 图片风格迁移 图片表示 使用VGG network来表示 内容图片 风格图片 风格迁移后的新图片 Content Loss Style Loss 02 Generative Adversarial Network Generator: 生成器，目标是让生成的数据接近真实数据 Discriminator: 分类器，目标是能够鉴别真实数据和生成的假数据 DCGAN 03 CycleGAN Network 模型架构 损失

import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms print("PyTorch Version: ",torch.version) PyTorch Version: 1.0.0 首先我们定义一个基于ConvNet的简单神经网络 class Net(nn.Module): def

01语言模型 语言模型（language model，LM）在自然语言处理中占有重要的地位，它的任务是预测一个句子在语言中出现的概率。截至目前，语言模型的发展先后经历了文法规则语言模型、统计语言模型、神经网络语言模型。 语言模型的评价 基于神经网络的语言模型(Neural Language Model) 循环神经网络(Recurrent Neural Network) 02文本分类 双向RNN 堆叠循环神经网络 CNN用作文本分类 CNN实验结果 复习思维导图 代码实现 imp

01词向量 在计算机中表示一个词 离散表示: One-hot表示 离散表示：Bag of Words 离散表示：Bi-gram和N-gram 离散表示的问题 词编码需要保证词的相似性 简单 词/短语 翻译 词嵌入效果评估: 词类比任务 02语言模型 语言模型 语言模型的评价 基于神经网络的语言模型(Neural Language Model) 循环神经网络(Recurrent Neural Network) h0一般就是一个全部为0的向量 如何训练？Cross Entropy损失

01 神经网络快速入门 Modeling, Inference, Learning 什么是深度学习？ 什么是神经网络？ 激活函数 前向神经网络 Recurrent Neural Networks（RNN循环神经网络) Seq2Seq with Attention 02 用PyTorch构建深度学习模型 深度学习模型框架概览 PyTorch可以做什么？ 03 PyTorch精彩项目介绍 图像分类 ResNet 项目地址 Object Detection