机巧围棋使用飞桨(PaddlePaddle) 框架构建并训练阿尔法狗落子策略中的深度神经网络——策略网络和价值网络。本文讲解飞桨框架的基本使用方法：第1部分介绍神经网络的构建；第2部分讲解神经网络训练过程；第3部分介绍模型权重的保存和加载。...

1. 前言自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向，也是我目前从事的主要方向。本系列文章将详细讲解自然语言处理领域相关模型算法原理，并使用PaddlePaddle框架进行相应项目实战。主要包括：Simple RNN模型、LSTM模型、多层RNN与双向RNN、Seq2Seq模型、注意力机制（Attention）、

1. 前言本文讲解循环神经网络（RNN）的改进方法，并使用改进的RNN实现电影评论情感分析。本人全部文章请参见：博客文章导航目录本文归属于：NLP模型原理与应用系列前文：长短期记忆网络（LSTM）原理与实战2. 多层RNN（Stacked RNN）在深度学习领域，可以将许多全连接层堆叠，构成一个多层感知机(Multi-Layer Perception)，可以将许多卷积层堆叠，构成一个深度卷积网络。

1. 前言本文讲解Seq2Seq模型改进方法：注意力机制（Attention）。本人全部文章请参见：博客文章导航目录本文归属于：NLP模型原理与应用系列前文：Sequence-to-Sequence模型原理2. Seq2Seq模型缺点Seq2Seq模型有一个Encoder（编码器），和Decoder（解码器）。由于输入和输出均为序列数据，在深度学习时间中Encoder和Decoder一般均为结构相

1. 前言

阿尔法狗2016版本使用人类高手棋谱数据初步训练策略网络，并使用深度强化学习中的REINFORCE算法进一步训练策略网络。策略网络训练好之后，使用策略网络辅助训练价值网络。零狗（AlphaGo Zero）使用MCTS控制两个玩家对弈，用自对弈生成的棋谱数据和胜负关系同时训练策略网络和价值网络。在机巧围棋中，训练策略网络和价值网络的方法原理与零狗基本相同。本文将详细阿尔法狗2016版本和零狗中两个神

机巧围棋使用飞桨(PaddlePaddle) 框架构建并训练阿尔法狗落子策略中的深度神经网络——策略网络和价值网络。本文讲解飞桨框架的基本使用方法：第1部分介绍神经网络的构建；第2部分讲解神经网络训练过程；第3部分介绍模型权重的保存和加载。...

对于非线性可分情况，支持向量机通过适当放松限制条件，使得前文所述优化问题变得有解。同时，支持向量机通过将特征空间由低维映射到高维，提升特征空间被线性可分的概率，从而提升非线性可分情况下的分类效果。

1. 前言本文讲解Transformer模型在计算机视觉领域图片分类问题上的应用——Vision Transformer(ViT)。本人全部文章请参见：博客文章导航目录本文归属于：计算机视觉系列2. Vision Transformer(ViT)Vision Transformer(ViT)是目前图片分类效果最好的模型，超越了最好的卷积神经网络(CNN)。ViT在2020年10月挂在arXiv上，

围棋使用格状棋盘及黑白二色圆形棋子进行对弈，棋盘上有纵横各19条线段将棋盘分成361个交叉点。在野狐、奕城等各大围棋平台，除19路围棋外，还存在9路和13路围棋用于练习和娱乐。9路围棋即棋盘由纵横各9条线段分成81个交叉点，13路围棋即棋盘由纵横各13条线段分成169个交叉点。围棋以围地多者为胜，被认为是世界上最复杂的棋盘游戏。由于13路和19路围棋复杂度较高，训练相应的围棋AI所需计算资源非常多