- 深度学习应用篇-自然语言处理[10]：N-Gram、SimCSE介绍，更多技术：数据增强、智能标注、多分类算法、文本信息抽取、多模态信息抽取、模型压缩算法等 深度学习应用篇-自然语言处理[10]：N-Gram、SimCSE介绍，更多技术：数据增强、智能标注、多分类算法、文本信息抽取、多模态信息抽取、模型压缩算法等
- 深度学习应用篇-自然语言处理-命名实体识别[9]：BiLSTM+CRF实现命名实体识别、实体、关系、属性抽取实战项目合集（含智能标注） 深度学习应用篇-自然语言处理-命名实体识别[9]：BiLSTM+CRF实现命名实体识别、实体、关系、属性抽取实战项目合集（含智能标注）
- 深度学习进阶篇[8]：对抗神经网络GAN基本概念简介、纳什均衡、生成器判别器、解码编码器详解以及GAN应用场景 深度学习进阶篇[8]：对抗神经网络GAN基本概念简介、纳什均衡、生成器判别器、解码编码器详解以及GAN应用场景
- 深度学习进阶篇7：Transformer模型长输入序列、广义注意力、FAVOR+快速注意力、蛋白质序列建模实操。 深度学习进阶篇7：Transformer模型长输入序列、广义注意力、FAVOR+快速注意力、蛋白质序列建模实操。
- 深度学习进阶篇-国内预训练模型[6]：ERNIE-Doc、THU-ERNIE、K-Encoder融合文本信息和KG知识；原理和模型结构详解。 深度学习进阶篇-国内预训练模型[6]：ERNIE-Doc、THU-ERNIE、K-Encoder融合文本信息和KG知识；原理和模型结构详解。
- 引言深度学习是一种新兴的技术，已经在许多领域中得到广泛的应用，如计算机视觉、自然语言处理、语音识别等。在深度学习中，深度学习框架扮演着重要的角色。Caffe是一种广泛使用的深度学习框架，它在许多方面都有所改进，并且更加易于使用。本文将详细介绍Caffe，包括它的特点、架构、应用和未来发展趋势。 特点 1. 高效Caffe是一种高效的深度学习框架，它使用的是C++实现，并且在GPU上运行。这... 引言深度学习是一种新兴的技术，已经在许多领域中得到广泛的应用，如计算机视觉、自然语言处理、语音识别等。在深度学习中，深度学习框架扮演着重要的角色。Caffe是一种广泛使用的深度学习框架，它在许多方面都有所改进，并且更加易于使用。本文将详细介绍Caffe，包括它的特点、架构、应用和未来发展趋势。 特点 1. 高效Caffe是一种高效的深度学习框架，它使用的是C++实现，并且在GPU上运行。这...
- Prompt learning 教学技巧篇：通过增加示例、引导词、特殊符号指令等方式让chatgpt输出更好的答案 Prompt learning 教学技巧篇：通过增加示例、引导词、特殊符号指令等方式让chatgpt输出更好的答案
- 人工智能知识图谱之信息抽取：基于Labelstudio的UIE半监督深度学习的智能标注方案(云端版)，提效。 人工智能知识图谱之信息抽取：基于Labelstudio的UIE半监督深度学习的智能标注方案(云端版)，提效。
- 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。码符号C表示的是编码的字符集。如二进制编码，c:{0，1} (无特殊说明，本章所有编码都是二进制编码);信源编码就是将信源符号序列按照一定的数学规律映射成由码... 本专栏包含信息论与编码的核心知识，按知识点组织，可作为教学或学习的参考。markdown版本已归档至【Github仓库：information-theory】，需要的朋友们自取。或者公众号【AIShareLab】回复 信息论 也可获取。码符号C表示的是编码的字符集。如二进制编码，c:{0，1} (无特殊说明，本章所有编码都是二进制编码);信源编码就是将信源符号序列按照一定的数学规律映射成由码...
- 5.基线提升至96.45%：2022 司法杯犯罪事实实体识别+数据蒸馏+主动学习 5.基线提升至96.45%：2022 司法杯犯罪事实实体识别+数据蒸馏+主动学习
- 总结NLP学习及应用过程中遇到的一些问题 总结NLP学习及应用过程中遇到的一些问题
- Bert算法思路介绍 1 of N Encoding 简单的编码 Word Embedding 更复杂的embedding向量 Contextualized Word Embedding 问题一词多义同一个词（token），在不同句子中，有不同type每一个token都有一个embedding 解决方案contextualized word embedding 算法Embedding fr... Bert算法思路介绍 1 of N Encoding 简单的编码 Word Embedding 更复杂的embedding向量 Contextualized Word Embedding 问题一词多义同一个词（token），在不同句子中，有不同type每一个token都有一个embedding 解决方案contextualized word embedding 算法Embedding fr...
- Transformer介绍 摘要 原因 方法 结果验证几个翻译任务上，翻译效果很好8个GPU训练了3.5天总结 结论 介绍了Transformer第一个只使用注意力在encoder-decoder架构中，使用multi-head取代了recurrent layers 效果翻译任务上，训练的很好，而且快很多在WMT 2014 英德，WMT2014英法效果很好 展望可以用到更多数据上图片vid... Transformer介绍 摘要 原因 方法 结果验证几个翻译任务上，翻译效果很好8个GPU训练了3.5天总结 结论 介绍了Transformer第一个只使用注意力在encoder-decoder架构中，使用multi-head取代了recurrent layers 效果翻译任务上，训练的很好，而且快很多在WMT 2014 英德，WMT2014英法效果很好 展望可以用到更多数据上图片vid...
- 一、torch.argmax()（1）torch.argmax(input, dim=None, keepdim=False)返回指定维度最大值的序号；（2）dim给定的定义是：the demention to reduce.也就是把dim这个维度的，变成这个维度的最大值的index。 二、栗子# -*- coding: utf-8 -*-"""Created on Fri Jan 7 ... 一、torch.argmax()（1）torch.argmax(input, dim=None, keepdim=False)返回指定维度最大值的序号；（2）dim给定的定义是：the demention to reduce.也就是把dim这个维度的，变成这个维度的最大值的index。 二、栗子# -*- coding: utf-8 -*-"""Created on Fri Jan 7 ...
- 自然语言处理 — ALBERT[论文链接]本文末会提供一个基于Transformers(深度学习开源库)的简易ALBERT算法多选题任务推理Demo(暂不提供Fine Tuning代码)ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS在NLP模型预训练过程中, 提升模型规模往往可以提高模... 自然语言处理 — ALBERT[论文链接]本文末会提供一个基于Transformers(深度学习开源库)的简易ALBERT算法多选题任务推理Demo(暂不提供Fine Tuning代码)ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS在NLP模型预训练过程中, 提升模型规模往往可以提高模...
上滑加载中
推荐直播
-
全面解析华为云EI-API服务：理论基础与实践应用指南2024/11/29 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播给大家带来的是理论与实践结合的华为云EI-API的服务介绍。从“主要功能，应用场景，实践案例，调用流程”四个维度来深入解析“语音交互API，文字识别API，自然语言处理API，图像识别API及图像搜索API”五大场景下API服务，同时结合实验，来加深开发者对API服务理解。
回顾中 -
企业员工、应届毕业生、在读研究生共探项目实践2024/12/02 周一 19:00-21:00
姚圣伟 在职软件工程师 昇腾社区优秀开发者 华为云云享专家 HCDG天津地区发起人
大神带你一键了解和掌握LeakyReLU自定义算子在ONNX网络中应用和优化技巧，在线分享如何入门，以及在工作中如何结合实际项目进行学习
即将直播 -
昇腾云服务ModelArts深度解析：理论基础与实践应用指南2024/12/03 周二 14:30-16:30
Alex 华为云学堂技术讲师
如何快速创建和部署模型，管理全周期AI工作流呢？本期直播聚焦华为昇腾云服务ModelArts一站式AI开发平台功能介绍，同时结合基于ModelArts 的实践性实验，帮助开发者从理论到实验更好地理解和使用ModelArts。
去报名
热门标签