lly_zy的博客

华盛顿大学发表于2015年的一篇论文，主要讲的是一种计算文本（语句）相似度的方法论。 论文链接：http://proceedings.mlr.press/v37/kusnerb15.pdf 第一次接触关于nlp方面的文章，并记录学习历程。 From Word Embeddings To Document Distances 摘要： 本文主要提出了一种基于词移动距离（Word Mov...

先说一下读文章时整体的战略布局，再说一下每个章节应该如何阅读。 “三步法”有效的阅读文献。 tips：清楚自己问什么读这篇文献，始终不忘初心。不要陷入细节中，花费大量的时间精力，读完却发现对自己的用处并不是很大。 第一步： 目标：快速浏览整篇文献，弄清楚大体想法。 时间：5--10分钟 需要阅读的内容主要包括： 1：认真阅读文章的题目，摘要，引言。 2：阅读标题和子标题，除此...

论文地址：https://arxiv.org/abs/1711.07971v1 问题背景： 由于经典的卷积和循环神经网络每次都只是针对局部 local neighborhood 进行处理，比如卷积操作只关注局部感受野（也就是卷积核覆盖的局部范围）的信息，这是典型的local operation，如果要增大神经元的感受野，你可能会想到将卷积核的大小设置成 feature map的尺寸，这样就能感受到...

论文地址：https://arxiv.org/abs/1811.11721 论文代码：https://github.com/speedinghzl/CCNet 1 摘要 CCNet的优点： 占用较少的GPU内存。循环的交叉注意模块有效减少GPU内存使用。 计算效率高。在计算远程依赖关系时，反复出现的交叉注意显著减少了约85%的非本地块。 性能先进 主要贡献： 提出了一个新颖的纵横交叉关注...

论文：《Squeeze-and-Excitation Networks》 论文链接：https://arxiv.org/abs/1709.01507 代码地址：https://github.com/hujie-frank/SENet PyTorch代码地址：https://github.com/miraclewkf/SENet-PyTorch 一：SENet概述 Sque...