發(fā)簡信
IP屬地：上海
-
第0x02講 使用ESP32開發(fā)板進(jìn)行CAN總線通信上一講我們使用Arduino DUE進(jìn)行CAN通信，Arduino DUE進(jìn)行CAN通信的優(yōu)勢在于，它本身集成了兩個CAN控制器模塊，可以在板內(nèi)...
-
第59章 生成對抗網(wǎng)絡(luò)GAN原理前面幾章學(xué)習(xí)了使用JAX進(jìn)行計算機視覺、自然語言處理等方面深度學(xué)習(xí)任務(wù)，可以看到基于JAX的深度學(xué)習(xí)框架能夠較好地完成這些常見任務(wù)。本章講學(xué)習(xí)一...
-
第58章 中文文本分類任務(wù)處理前面幾章中，通過卷積實現(xiàn)了文本分類，并且通過使用gensim掌握了對文本進(jìn)行詞向量轉(zhuǎn)換的方法。詞嵌入是目前最常見的將文本轉(zhuǎn)換成向量的方法，比較適...
-
第57章 詞卷積使用字符卷積對文本分類是可以實現(xiàn)的，但是相對于詞來說，字符包含的信息并沒有詞多，即使卷積神經(jīng)網(wǎng)絡(luò)能夠較好地對數(shù)據(jù)信息進(jìn)行學(xué)習(xí)，但是由于包含的內(nèi)容...
-
第56章 字符卷積
卷積神經(jīng)網(wǎng)絡(luò)在圖像處理領(lǐng)域獲得了巨大的成功，其結(jié)合特征提取和目標(biāo)訓(xùn)練為一體的模型，能夠很好地利用已有的信息度和結(jié)果進(jìn)行反饋訓(xùn)練。 對于文本識別的...
-
第55章 FastText和預(yù)訓(xùn)練詞向量在實際的模型訓(xùn)練中，word2vec是一個最常用也是最重要的將“詞”轉(zhuǎn)換為“詞嵌”的方式。對于普通文本來說，供人類所了解和掌握的信息傳遞方式并不...
-
第54章 文本主題提取一般來說，文本主題提取主要涉兩種方法， 基于TF-IDF的文本關(guān)鍵字提取。 基于TextRank的文本關(guān)鍵字提取。 除此之外，還有很多模型和方法...
-
第53章 使用詞向量模型word2vec訓(xùn)練預(yù)處理的文本有了上一章預(yù)處理的文本數(shù)據(jù)，現(xiàn)在可以開始使用文本處理模型來訓(xùn)練文本。本章嘗試使用word2vec模型來訓(xùn)練。 word2vec是Google在2...
-
第52章 文本數(shù)據(jù)預(yù)處理無論是深度學(xué)習(xí)還是自然語言處理，一個非常重要的話題就是將自然語言轉(zhuǎn)換成計算機可以識別的特征向量。文本的預(yù)處理一般都是通過文本分詞 -> 詞嵌入 ...
個人介紹
iOS Developer not confined in mobile, but be interested in diverse technologies.