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

Linux | 远程linux18.04LTS升级到20.04LTS【图文详情】

远程升级linux版本,从18.04LTS到20.04LTS。(LTS指的是长久更新版)

文章图片
#linux#ide
NLP | word2vec图文详解及代码

在一个常规的 one-hot 编码向量中,所有单词之间的距离都相同,即使它们的含义完全不同,丢了编码中的位置信息使用 Word2Vec 等词嵌入方法,生成的向量可以更好地维护上下文。例如,猫和狗比鱼和鲨鱼更相似。Word2vec 是一个两层神经网络,通过“向量化”单词来处理文本。它的,它的:表示该语料库中单词的特征向量。虽然 Word2vec 不是,但它将文本转换为深度神经网络可以理解的数字形式。

文章图片
#自然语言处理#word2vec#人工智能
实用篇 | huggingface的一些应用指导

本文主要介绍hugging Face(拥抱脸)的简单介绍以及常见用法,用来模型测试是个好的工具~如下图所示左边框是各项任务,包含多模态(Multimodal),计算机视觉(Computer Vision),自然语言处理(NLP)等,右边是各任务模型。本文测试主要有。

文章图片
#人工智能#深度学习#语音识别
YOLO | YOLOv8 训练自己的数据集

YOLOv8是Ultralytics最新的基于YOLO的目标检测模型系列,提供最先进的性能。

文章图片
#计算机视觉#目标检测
NLP | GloVe(带有全局向量的词嵌入) 图文详解及代码

可以使用全局语料库统计信息(例如词-词共现计数)来解释 skip-gram 模型。交叉熵损失可能不是衡量两个概率分布差异的好选择,尤其是对于大型语料库。GloVe 使用平方损失来拟合预先计算的全局语料库统计数据。对于 GloVe 中的任何单词,中心词向量和上下文词向量在数学上是等价的。GloVe 可以从词-词共现概率的比率来解释。

文章图片
#自然语言处理#人工智能#深度学习 +2
Linux | 解决问题Ubuntu重启无法进入系统以及网络无法连接【图文详解】

问题解决 | Ubuntu重启无法进入系统记以及网络无法联网问题~

文章图片
#ubuntu#linux#运维
论文篇 | 基于深度学习的机器翻译论文总汇

长期以来,人们一直认为人类翻译的质量对于计算机翻译系统来说是无法实现的。在这项研究中,我们提出了一个深度学习系统CUBBITT,它挑战了这一观点。在人类法官的上下文感知盲测评估中,CUBBITT在保留文本含义(翻译充分性)方面显着优于专业机构的英语到捷克语新闻翻译。虽然人工翻译仍然被评为更流畅,但CUBBIT被证明比以前最先进的系统更流畅。此外,翻译图灵测试的大多数参与者都很难将CUBBITT翻译

文章图片
#深度学习#机器翻译#人工智能
问题解决 | RuntimeError: CUDA error: invalid device ordinalCUDA kernel errors

RuntimeError(运行时错误): CUDA 错误:设备序号无效CUDA 内核错误可能会在其他 API 调用中异步报告,因此下面的堆栈跟踪可能不正确。为便于调试,可考虑通过 CUDA_LAUNCH_BLOCKING=1。使用 `TORCH_USE_CUDA_DSA` 进行编译,以启用设备端断言。

文章图片
#深度学习#人工智能#计算机视觉
数据集 | 基于语音(Speech)/多模态(Multimodal)的情绪识别数据集,格式及下载

RAVDESS 包含 24 名专业演员(12 名女性,12 名男性),用中性的北美口音说出两个词汇匹配的陈述。文件名由 7 部分数字标识符组成(例如,03-01-06-01-02-01-12.wav)。情绪(01 = 中性,02 = 平静,03 = 快乐,04 = 悲伤,05 = 愤怒,06 = 恐惧,07 = 厌恶,08 = 惊讶)。情绪强度(01 = 正常,02 = 强烈)。模态(01 = 全

文章图片
#语音识别#人工智能
暂无文章信息