理解矩阵（一）（真是大学时候不好好学习给自己挖的坑，现在只能一点一点的补回来，这个介绍的矩阵简单易懂，非常牛）链接如下：http://blog.csdn.net/myan/article/details/647511（偶然在矩阵文章中发现算法的世外桃源－－《算法》，非常好的一个网站）链接如下：http://lib.csdn.net/base/datastructur

安装paddlepaddle时，是直接安装的CPU版本，要安装GPU版本的话，就要注意适配的CUDA版本，安装GPU版本可参照官网教程，两步快速解决。

理解矩阵（一）（真是大学时候不好好学习给自己挖的坑，现在只能一点一点的补回来，这个介绍的矩阵简单易懂，非常牛）链接如下：http://blog.csdn.net/myan/article/details/647511（偶然在矩阵文章中发现算法的世外桃源－－《算法》，非常好的一个网站）链接如下：http://lib.csdn.net/base/datastructur

使用VScode连接远程服务器进行代码调试运行1.安装远程插件Remote Development首先打开vscode，①点击左侧菜单栏中的扩展插件按钮。②输入“Remote Development”搜索远程连接插件。③安装此插件，如图所示。2.配置远程连接SSH文件a.找到配置文件①点击左侧菜单栏远程管理图标，如图所示。②点击图中所示的配置按钮，如图所示。③选择第一个SSH的config配置文件

语种识别1.简介1.1 数据集简介1.2 识别口语种类简介2.项目实现概述2.1音频数据转化为语谱图2.2语谱图的语种识别3.口语识别项目的详细实现3.1 语谱图转化程序实现3.1.1 划分训练集和验证集3.1.2 MP3转化为语谱图3.2 基于caffe的CNN网络训练程序实现3.2.1 caffe环境配置3.2.2 生成语谱图数据txt清单3.2.3 生成leveldb数据库3.2.4 caf

安装paddlepaddle时，是直接安装的CPU版本，要安装GPU版本的话，就要注意适配的CUDA版本，安装GPU版本可参照官网教程，两步快速解决。

论文阅读《Very Deep Convolutional NetWorks for Large-Scale Image Recognition》介绍这是卷积神经网络发展的一些主要网络LeNet（3个卷积层+2个降采样层+1个全连接层）CNN雏形AlexNet （5个卷积层+3个全连接层+1个softmax层本文所讨论的VGG就是基于LeNet、AlexNet提出的更深的卷积神经网络

知其然也知其所以然，能到快速上手阶段，肯定已经了解了UIE的一些相关介绍，这里仅从偏实践角度，简短剖析一下任务细节，具体介绍可参照官方github。UIE(Universal Information Extraction) 针对少样本、低资源、不同领域等场景，实现从非结构化文本中抽取结构化信息，包含了实体识别、关系抽取、事件抽取、情感分析、评论抽取等任务。该任务的亮点在于：（1）将多任务的信息抽取

一、Brat简介BRAT是一个基于web的文本标注工具，主要用于对文本的结构化标注，用BRAT生成的标注结果能够把无结构化的原始文本结构化，供计算机处理。利用该工具可以标注实体，事件、关系、属性等，只支持在linux下安装，其使用需要webserver，官方给出的教程使用的是Apache2。so,安装Brat之前需要先安装Apache。如果你使用的windows系统，那么在这之前你需要先安装一个l

Linux下断开SSH连接后，让程序继续在后台执行关完电脑，回家吃饭，让程序在服务器自己跑，用screen就好啦！1.安装screen命令yuminstall screen2.创建一个screen会话并进入screen -S me然后执行该执行的命令3.退出screenscreen -d me断开连接，关闭电脑，回家。另：如果直接按住ctrl+a，再按d的话，...