發(fā)簡信
IP屬地：湖北
-
（十）語音情感識別項目實戰(zhàn)（上）寫這篇博客的時候正好在和某公司做一個語音情感識別相關(guān)的項目，所以距離上次更新微博也有好久了，但還是按照之前設(shè)定的計劃把這塊內(nèi)容梳理下。主要是Fo...
-
（八）sequence to sequence —6
最后一關(guān)： Encoder：多層雙向lstm Attention機(jī)制 decoder：動態(tài)實現(xiàn)bi-directional_dynamic_rn...
-
（八）sequence to sequence —5
實現(xiàn)多層雙向的dynamic_lstm+beam_search 基于tensorflow1.4 Seq2seq的實現(xiàn) encoder使用的兩層雙...
-
（八）sequence to sequence —3
實現(xiàn)beam_search部分 基于tensorflow1.4 Seq2seq的實現(xiàn) 1.使用seq2seq庫實現(xiàn)seq2seq模型 1. 計算...
-
（八）sequence to sequence —4實現(xiàn)雙向的dynamic_lstm+beam_search 基于tensorflow1.4 Seq2seq的實現(xiàn) encoder使用的是雙向的L...
-
（八）sequence to sequence —2實現(xiàn)softmax_loss_function部分 基于tensorflow1.4 Seq2seq的實現(xiàn) 1.使用seq2seq庫實現(xiàn)seq2s...
-
（八）sequence to sequence —1
這個系列網(wǎng)上的教程實在太多，所以我準(zhǔn)備采用代碼和理論相結(jié)合的方式，詳細(xì)代碼請點擊我的github，基于python3.6和tensorflow1...
-
（九）再談embedding——bert詳解（實戰(zhàn)）下前面兩篇分別梳理了下BERT的原理和BERT的訓(xùn)練，接著前面的內(nèi)容，梳理下BERT是如何在下游任務(wù)上運(yùn)用的。 原理就是上面這個圖了。四種任務(wù)...
-
（九）再談embedding——bert詳解（實戰(zhàn)）中Google開源的BERT的確很良心，代碼寫得非常好，是一個不錯的學(xué)習(xí)案例，這里我從實戰(zhàn)的角度從預(yù)訓(xùn)練到下游任務(wù)實戰(zhàn)做一個全面的梳理。原理部分的...