⚡

将 DFGN 模型用于HotpotQA （TBQA类型的公开数据集）QA任务注重从单一的篇章中找到证据和答案，但是有一些不需要推理，只要抽取就可以了。针对这个问题，有了一些需要多跳理解任务的数据集，如 WikiHop, Complex Web Question, HotpotQA多跳理解任务需要从多个篇章中过滤噪声，抽取出有用的信息。有文章提出从输入的篇章中建立实体图，通过实体图，用GNN来聚合信息问题：静态的全局实体图，是隐式的推理本文：根据query去构建动态的局部实体图，进行显式的推理。

JEC-QA：A Legal-Domain Question Answering Dataset 论文阅读笔记

利用 transformer 库中的bert，在 wikiQA 数据集上训练模型

transformer库入门

python在读写matlab文件时常用到scipy.io文件，但是，针对存储版本为“matlab-v7.3”的文件，必须用h5py模块。博主想处理 The Street View House Numbers (SVHN) 的数据集，用bounding box 剪裁出图像中的文字，发现里面的bounding box是.mat文件，想要读取，没有找到一些适合的教程，费了一番功夫才读出来。记录一下。数据集的说明：http://ufldl.stanford.edu/housenumbers/训练集的压缩包：

一个利用梯度下降法更新的linearSVM

这次，我们仍然要自己搭建一个RNN，与第一篇和第二篇不同的是，这次是一个单词级别的RNN，是一个从序列到序列的模型，又叫做Seq2Seq（Sequence to Sequence）模型，常用到的结构是编码器-解码器结构（Encoder-Decoder）。在这个模型中，由两个循环神经网络同时工作，把一个序列转换成另一个序列。一个编码器神经网络会把输入的序列编码成一个上下文向量，然后把这个上下文向量输入解码器网络，解码器网络把它解码成一个新的序列。

这是官方教程中同一个系列的文章，总共有3篇：第一篇，教你搭建一个字母级别（character-level）的RNN，对名字进行分类，是一个分类的任务。第二篇，教你搭建一个字母级别（character-level）的RNN，生成名字，是一个自然语言生成的任务。第三篇，教你搭建一个Seq2Seq的RNN，进行机器翻译，也是一个自然语言生成的任务。Seq2Seq是序列到序列的模型，类似于单词级别（word-level）的RNN。

来自官方教程，对于萌新学习用Pytorch做NLP任务有很大的帮助，就翻译过来，顺便自己Mark一下，因为打开官网有时候太慢了，还是看自己写的Blog比较快。另外，之前在做⭐ 李宏毅2020机器学习作业4-RNN：句子情感分类的时候，代码看起来有些难度。之前的几个作业都还能看懂，但是作业4实在跳跃度太大了，就先拿这几个练个手。这是官方教程中同一个系列的文章，总共有3篇：第一篇，教你搭建一个字母级别（character-level）的RNN，对名字进行分类。

最近在看别人的代码时，看到一个神奇的函数torch.gather()，网上查了一下，看了半天才终于看懂对方在说什么，个人觉得这种东西应该画个图来帮助理解，于是就写了这篇博客。官方文档解释：torch.gather(input, dim, index, out=None) → Tensor Gathers values along an axis specified by dim. For a 3-D tensor the output is specified by: .

pytorch的图像处理库 torchvision 的 transforms 集成了随机翻转、旋转、增强对比度、转化为tensor、转化为图像等功能，用于数据增强，非常便捷。但是，初学者在学习 transforms 时，可能会好奇图像在经过transforms后究竟变成了什么样子，以下利用 matplotlib 来绘制图像，增强理解。实验环境jupyter notebookpython3matplotlib库pytorch库（这里以1.2.0作为演示）pillow库（这里以7.1.2作为演示）

如果你可以访问谷歌，那么你会发现 colab 非常好用，但是，在colab中使用tensorboard可能有一些不便，因为打开tensorboard的路径是类似localhost:6666的链接，这是远程服务器的本地连接，用我们的电脑是访问不到的。现在有一个简单的方法是直接把tensorboard嵌入到jupyter notebook中……

继用GAN进行图像去噪【ImageDenoisingGAN】Image Denoising Using a Generative Adversarial一文发表后，近来收到不少邮件，在此刊登，供大家答疑解惑，也欢迎大家交流。因为本人才疏学浅，所以回答有误的地方也欢迎大家指正。

原文和源代码： https://github.com/manumathewthomas/ImageDenoisingGAN这不是一篇严格的用GAN进行图像去噪的文章，代码有一些小小的bug需要纠正。另外，自己生成的数据集，用这个代码跑，会发现图像出现严重变色。本博主的代码更改：https://github.com/iteapoy/GANDenoising关于博主代码说明：这个...

自己做数字图像处理的时候一点点收集的数据集。灰度图含：BSD68，Set12，RN16。彩色图含：CBSD68，Kodak24，McMaster，RNI15，CSet8预览含下载链接。BSD68数字图像处理常用数据集BSD68，68张灰度图，大小不一。下载链接：数字图像处理数据集（一）-BSD68https://download.youkuaiyun.com/dow...

最近看计算机人工智能相关顶级会议的论文，看到了SOTA model，本来以为是一个很厉害的模型，但是网上都没有查到。今天会心一击，终于想起来，SOTA是state-of-the-art的缩写。SOTA model 也就是state-of-the-art model的意思，并不是特指某一个模型，而是指该项研究任务中到目前最好/最先进的模型。...