logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

docker错误:Got permission denied while trying to connect to the Docker daemon socket at....

目录•错误•解决方案•原因•错误在使用执行docker命令的时候,总是提示如下报错,我一开始没当一回事儿,后面一些指令不能用了,才发现事情并没有这么简单,就在这里把它记录下来,具体报错内容和图片如下。Got permission denied while trying to connect to the Docker daemon socket atunix:///v...

几十个珍藏的网站,相信你会用到的

写在前面论文相关Sci Hub:各种不能下的论文都能在这里免费下载到,简直就是美滋滋。中国知网:提供一般学术论文下载,这个应该大家都知道(不知道的比如像濯天临,就直接凉了,嘿嘿嘿),下载一般要钱,不过校网是免费下载的。小木虫论坛:大多是论文交流,相当于论文里的CSDN,很多写论文的技巧都可以在里面找到。PaperFree:初步查重,可以免费1W字论文查重,支持机器修改重复的部分,很舒服哦...

#开发工具
打造一个能够在线部署的深度学习对话系统--开源更新中!

一个能够在线部署的全流程对话系统,项目地址:[nlp-dialogue](https://github.com/DengBoCong/nlp-dialogue)。本项目的目标是奔着构建一个能够在线部署、执行、应用的全流程对话系统,即包含语料处理、训练、评估、推断、部署、Web服务的从头到尾的UI化系统功能。项目中计划同时包含开放域和面向任务型两种对话系统,模型的思路来源即为针对相关模型进行复现(论

#深度学习#tensorflow#pytorch +1
深度学习矩阵乘法的终极奥义einsum,结合多个计算框架上的使用

einsum以一种优雅的方式,表示各种矩阵运算,好处在于你不需要去记和使用计算框架中(TensorFlow|PyTorch|Numpy)点积、外积、转置、矩阵-向量乘法、矩阵-矩阵乘法的函数名字和签名。从某种程度上解决引入不必要的张量变形或转置运算,以及可以省略的中间张量的现象。不仅如此,einsum有时可以编译到高性能代码,事实上,PyTorch最近引入的能够自动生成GPU代码并为特定输入尺寸自

#numpy#深度学习
打造一个能够在线部署的深度学习对话系统--开源更新中!

一个能够在线部署的全流程对话系统,项目地址:[nlp-dialogue](https://github.com/DengBoCong/nlp-dialogue)。本项目的目标是奔着构建一个能够在线部署、执行、应用的全流程对话系统,即包含语料处理、训练、评估、推断、部署、Web服务的从头到尾的UI化系统功能。项目中计划同时包含开放域和面向任务型两种对话系统,模型的思路来源即为针对相关模型进行复现(论

#深度学习#tensorflow#pytorch +1
利器:TTS Frontend 中英Text-to-Phoneme Converter,附代码

NLP的语音合成中,有一种关键技术是将文字拆解成音素,再去语音库里匹配相同音素的语音片段,来实现文字转换语音。音素是给定语言的语音,如果与另一个音素交换,则会改变单词的含义,同时,音素是绝对的,并不是特定于任何语言,但只能参考特定语言讨论音素。由于音素的特性,非常适合用于语音合成领域。

#语音识别
RNN的一些高级用法-以温度预测问题为例

RNN的神奇用的人都说话,不过在使用RNN的时候,还是需要知道一些技巧,有利于我们实现更符合预期的模型,本文将会介绍以下三种技巧。循环dropout(recurrent dropout)。这是一种特殊的内置方法,在循环层中使用dropout 来降低过拟合。堆叠循环层(stacking recurrent layers)。这会提高网络的表示能力(代价是更高的计算负 荷)。双向循环层(bidirect

#rnn
搞清楚TensorFlow2--Keras的Tokenizer

Keras的Tokenizer是一个分词器,用于文本预处理,序列化,向量化等。在我们的日常开发中,我们经常会遇到相关的概念,即token-标记、tokenize--标记化以及tokenizer--标记解析器。Tokenizer类允许通过将每个文本转换为整数序列(每个整数是字典中标记的索引)或转换成矢量(其中每个标记的系数可以是二进制的)的矢量化语料库,基于单词数 ,基于TF-IDF等等。形如如下使

#keras#tensorflow
提高模型性能的几种值得尝试的方法

在我们进行模型训练时,如果你只是想要让模型具有不错的性能,那么盲目地尝试网络架构足以达到目的。而在本文中, 我们将为你提供一套用于构建最先进深度学习模型的必备技术的快速指南,从而让模型由“具有不错的性能”上升到“性能卓越且满足我们的一些需要”。本文的叙述以及代码的编写时基于TensorFlow中Keras来进行表述的。

#神经网络
用三张图理解深度学习的工作原理

为了给出深度学习的定义并搞清楚深度学习与其他机器学习方法的区别,我们首先需要知道机器学习算法在做什么。我们有个大致的认识,给定包含预期结果的示例,机器学习将会发现执行一项数据处理任务的规则。

#神经网络#深度学习#机器学习 +2
    共 28 条
  • 1
  • 2
  • 3
  • 请选择