DSSM模型结构代码地址：https://github.com/lyj157175/Modelsimport torchimport torch.nn as nnclass DSSM(nn.Module):def __init__(self, vocab_size, embedding_dim, dropout):super(DSSM, self).__init__()self.embed = n

Bidirectional LSTM-CRF Models for Sequence Tagging用于序列标注的双向LSTM-CRF模型序列标注问题输入为特征序列，输出为类别序列。大部分情况下，标签体系越复杂准确度也越高，但相应的训练时间也会增加。因此需要根据实际情况选择合适的标签体系。命名实体识别发展历程BiLSTM-CRF历史意义• 拉开命名实体识别深度学习时代的序幕• 使模型更加简洁高效，

skip-gram方法训练词向量（pytorch完整代码）欢迎移步小弟GitHub查看完整代码和训练使用的数据集https://github.com/lyj157175/My_NLP_projects尝试复现论文Distributed Representations of Words and Phrases and their Compositionality中训练词向量的方法. 实现Skip-g

采用率16000Hz 表示1s中在连续信号中采集16000次，每一次叫做一个采样点。采样位宽(位数)16bit 表示每一个采样点采集2个bit的数据，也就是2个字节。音频数据大小计算采样率为16k,采用位宽为16bit，单声道，在1分钟中采集数据的大小为多少？16000260/1024/1024~=1.83MBpython处理wav音频文件：音频信息，读取内容，获取时长with wave.open

训练语言模型用RNN,LSTM,GRU来训练一个语言模型，用于预测单词的下一个词torchtext基本用法构建 vocabularyword to index 和 index to wordtorch.nn的一些基本模型LinearRNNLSTMGRURNN的训练技巧Gradient Clipping保存和读取模型torchtext介绍和使用教程import torchimport torch.n

先上一张图来直观理解一下。RNN,LSTM,GRU三种神经网络的输入都是[dbw

训练语言模型用RNN,LSTM,GRU来训练一个语言模型，用于预测单词的下一个词torchtext基本用法构建 vocabularyword to index 和 index to wordtorch.nn的一些基本模型LinearRNNLSTMGRURNN的训练技巧Gradient Clipping保存和读取模型torchtext介绍和使用教程import torchimport torch.n

pytorch和torchvision都是一起出现的，所以需要保证两者版本对应即可。更新更新其实就是将老版本进行卸载，再安装所需版本即可，其实卸载和安装都非常方便卸载直接使用下面命令对两者进行删除即可，也可以使用conda操作，这里不介绍pip uninstall torchpip uninstall torchvision安装安装pytorch前必须保证安装了cuda，这里推荐一个cuda的安装

换源后那下载速度可以说是飞起来了，大家快换起来哦！conda切换为清华镜像源提供一个清华官网的教程https://mirror.tuna.tsinghua.edu.cn/help/anaconda/各系统都可以通过修改用户目录下的 .condarc 文件。Windows 用户无法直接创建名为 .condarc 的文件，可先执行conda config --set show_channel_urls