logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

未填写擅长的技术栈

可提供的服务

暂无可提供的服务

PyTorch基础（二）深度学习及数学原理

1. 机器学习方法：监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出。无监督学习：与监督学习不同的是，我们事先没有任何训练样本，而需要直接对书籍进行建模。半监督学习：在训练阶段结合了大量未标记数据和少量标签数据。与使用所有标签数据的模型相比，使用训练集的训练模型在训练时可以更加准确。强化学习：我们设定一个回报函数，通过这个函数来确认是否越来越接近目标，

#python#深度学习#transformer
PyTorch基础（二）深度学习及数学原理

1. 机器学习方法：监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出。无监督学习：与监督学习不同的是，我们事先没有任何训练样本，而需要直接对书籍进行建模。半监督学习：在训练阶段结合了大量未标记数据和少量标签数据。与使用所有标签数据的模型相比，使用训练集的训练模型在训练时可以更加准确。强化学习：我们设定一个回报函数，通过这个函数来确认是否越来越接近目标，

#python#深度学习#transformer
PyTorch基础（二）深度学习及数学原理

1. 机器学习方法：监督学习：通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出。无监督学习：与监督学习不同的是，我们事先没有任何训练样本，而需要直接对书籍进行建模。半监督学习：在训练阶段结合了大量未标记数据和少量标签数据。与使用所有标签数据的模型相比，使用训练集的训练模型在训练时可以更加准确。强化学习：我们设定一个回报函数，通过这个函数来确认是否越来越接近目标，

#python#深度学习#transformer
NLP会议期刊

对于NLPer而言，了解科研动态最好的方法就是关注顶会论文，与NLP相关的比较有影响力的顶会主要有ACL、EMNLP、NAACL、COLING、ICLR、AAAI、CoNLL、NLPCC等。其中，ACL、NAACL、EMNLP、COLING被称为是NLP领域的四大顶会。ACLhttps://www.aclweb.org/portalEMNLPhttp://emnlp2018.orgNACALhtt

#分类#机器学习#深度学习
到底了