深度学习
-
[信息抽取]基于ERNIE3.0的多对多信息抽取算法：属性关系抽取
本项目讲解了基于ERNIE信息抽取技术，对属性和关系的抽取涉及多对多抽取，主要是使用可ERNIEKIT组件，整体效果非常不错，当然追求小样本学习的可以参考之前UIE项目或者去官网看看paddlenlp最新的更新，对训练和部署进行了提速。 [信息抽取]基于ERNIE3.0的多对多信息抽取算法：属性关系抽取 实体关系，实体属性抽取是信息抽取的关键任务；实体关系抽…
-
图解来啦！机器学习工业部署最佳实践！10分钟上手机器学习部署与大规模扩展 ⛵
如何快速部署机器学习模型？本文是机器学习工业部署的 best practice（最佳实践)！详细讲解了如何操作机器学习开源框架 BentoML，帮助研发团队轻松打包机器学习模型，并重现该模型以用于生产。 ? 作者：韩信子@ShowMeAI? 机器学习实战系列：https://www.showmeai.tech/tutorials/41? 深度学习实战系列：h…
-
深度学习-第三章概率与信息论
概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法，也提供了用于导出新的不确定性声明（statement）的公理。概率论的知识在机器学习和深度学习领域都有广泛应用，是学习这两门学科的基础。 前言 概率论学科定义 概率与信息论在人工智能领域的应用 3.1，为什么要使用概率论 3.2，随机变量 3.3，概率分布 3.3.1，离散型变量和概率质…
-
（实战篇）用Python识别手写数字
我们使用 Scikit-learn 库实现一个简单的深度学习训练示例，训练目标为：识别手写数字。 以下是实现手写数字识别的完整示例代码： from sklearn import datasets from sklearn import svm from sklearn.model_selection import train_test_split from …
-
自然语言处理神经网络模型入门概述
深度学习对自然语言处理领域产生了巨大影响。 但是，作为初学者，您从哪里开始？ 深度学习和自然语言处理都是一个巨大的领域。每个领域需要关注的突出方面是什么，深度学习对NLP的哪些领域影响最大？ 在这篇文章中，您将发现有关自然语言处理深度学习相关的入门知识。 阅读这篇文章后，您将知道： 对自然语言处理领域影响最大的神经网络架构。 可以通过深度学习成功解决的自然语…
-
（实战篇）从头开发机器翻译系统！
在本文中，您将学习如何使用 Keras 从头开发一个深度学习模型，自动从德语翻译成英语。 机器翻译是一项具有挑战性的任务，传统上涉及使用高度复杂的语言知识开发的大型统计模型。 在本教程中，您将了解如何开发用于将德语短语翻译成英语的神经机器翻译系统。 完成本教程后，您将了解： 如何清理和准备数据以训练神经机器翻译系统。 如何为机器翻译开发编码器-解码器模型。 …
-
深度学习的8种神经网络
什么是神经网络？ 神经网络是机器学习的一个子集，是深度学习算法的核心。它们也被称为人工神经网络或模拟神经网络。它们的名称和结构源自人脑，它们类似于生物神经元相互交流的方式。 在人工神经网络 (ANN) 中，节点层包含一个输入层、一个或多个隐藏层和一个输出层。每个节点或人工神经元都与其他节点相连，并具有与其相关联的权重和阈值。如果节点的输出超过某个阈值，则该节…
-
递归神经网络 (RNN)的类型和应用
作为最流行的机器学习算法之一，神经网络在准确性和速度方面都优于其他算法。因此，透彻了解神经网络是什么、它是如何构建的以及它的范围和局限性是至关重要的。 循环神经网络 (RNN) 是一种处理时间序列或顺序数据的人工神经网络。这些深度学习算法通常用于语言翻译、自然语言处理 (NLP)、语音识别和图像字幕等顺序或时间问题；它们包含在 Siri、语音搜索和谷歌翻译等…
-
神经网络：多层感知器（附源码）
在之前的博客中 ，您了解了名为Perceptron的单个人工神经元。在本神经网络教程中，我们将向前迈出一步，讨论称为多层感知器（人工神经网络）的感知器网络。 我们将在本神经网络教程中讨论以下主题： 单层感知器的局限性 什么是多层感知器（人工神经网络）？ 人工神经网络如何工作？ 用例 这篇关于神经网络教程的博客最后将包含一个用例。我们将使用 TensorFlo…
-
深度学习：感知器学习算法（附源码）
介绍 感知器是创建深度神经网络的基本构建块，因此，我们首先应该使用感知器开始深度学习之旅，并学习如何使用 TensorFlow 实现它，并来解决不同的问题。以下是此关于感知器学习算法的博客涵盖的主题： 作为线性分类器的感知器 使用 TensorFlow 库实现感知器 使用单层感知器的 SONAR 数据分类 分类问题的类型 可以将可以使用神经网络解决的各种分类…
