NLP新手入門指南|北大-TANGENT
- 2022 年 9 月 23 日
- 筆記
開源的學習資源：《NLP 新手入門指南》，項目作者為北京大學 TANGENT 實驗室成員。 該指南主要提供了 NLP 學 …
Continue ReadingEasyNLP玩轉文本摘要（新聞標題）生成
- 2022 年 9 月 22 日
- AI
作者：王明、黃俊 導讀 文本生成是自然語言處理領域的一個重要研究方向，具有豐富的實際應用場景以及研究價值。其中，生成式文 …
Continue Reading
帶你了解CANN的目標檢測與識別一站式方案
- 2022 年 9 月 21 日
- 筆記
摘要： 了解通用目標檢測與識別一站式方案的功能與特性，還有實現流程，以及可定製點。 本文分享自華為雲社區《玩轉CANN目 …
Continue Reading
【深度學習】——深度學習中的梯度計算
- 2022 年 9 月 15 日
- 筆記
梯度下降在【機器學習基礎】中已經總結了，而在深度學習中，由於模型更加複雜，梯度的求解難度更大，這裡對在深度學習中的梯度計 …
Continue Reading
預約直播 | 大規模稀疏模型演進與DeepRec
- 2022 年 9 月 15 日
- AI
一、分享議題： 大規模稀疏模型演進與DeepRec 二、直播時間： 2022年09月21日（周三）18：00-18：30 …
Continue Reading優化器Optimal
- 2022 年 9 月 12 日
- 筆記
未完成！！！！！！ 神經網絡的訓練主要是通過優化損失函數來更新參數，而面對龐大數量的參數的更新，優化函數的設計就顯得尤為 …
Continue Reading
動手實現深度學習（5）：計算圖的實現
- 2022 年 9 月 12 日
- 筆記
第三篇：基於計算圖的神經網絡的設計與實現 傳送門： //www.cnblogs.com/greentomlee/p/ …
Continue Reading
神經網絡模型的參數量和計算量
- 2022 年 9 月 8 日
- 筆記
其實模型的參數量好算，但浮點運算數並不好確定，我們一般也就根據參數量直接估計計算量了。但是像卷積之類的運算，它的參數量比 …
Continue Reading
【深度學習】——損失函數（均方差損失和交叉熵損失）
- 2022 年 9 月 5 日
- 筆記
損失函數在【機器學習基礎】中有所提及，在深度學習中所使用最多的是均值平方差（MSE）和交叉熵（cross entropy …
Continue Reading
YOLOX-PAI:加速YOLOX,比YOLOV6更快更強
- 2022 年 9 月 5 日
- AI
導言 目標檢測（object detection）旨在定位並識別出圖像中的目標物體，一直以來都是計算機視覺領域研究的熱點 …
Continue Reading