樱花落瓣

文章目录1、环境与版本说明2、环境安装2.1、CUDA 安装驱动drivers切换gcc安装cuda安装cudnn2.2、安装TensorRT2.3、安装TF与其他环境3、模型训练（以InceptionV3为例）-->略4、使用tensorRT推理加速4.1、模型保存4.2、生成PB文件4.3、pb转换成uff准备工作参数设置pb转uff 并解析模型保存模型4.4、推理步骤4.5、完整代码1、环境与版本说明       ~~~~

<h1 class="entry-title"> <a href="http://www.52nlp.cn/%e4%b8%80%e6%96%87%e8%af%a6%e8%a7%a3%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e5%9c%a8%e5%91%bd%e5%90%8d%e

参考：https://blog.youkuaiyun.com/qq_36426650/article/details/84668741#t6          ~~~~~~~~~~        &

文章目录1、整体架构2、Attention机制3、Position-wise Feed-Forward network4、Positional encoding5、Residual connection6、Layer Normalization7、Mask     &amp

文章目录PART1：安装Stanford NLPPART2：安装过程问题1）安装包问题2）路径设置3）环境变量PART3：词性标注测试官网下载：https://stanfordnlp.github.io/CoreNLP/index.html#download      ~~~~~~  &

        Google于2017年6月发布在arxiv上的一篇文章《Attention is all you need》，提出解决sequence to sequence问题的transformer模型，用全attention的结构代替了lstm，抛弃了之前传统的encoder-decoder模型必须结合cnn或者rn...

文章目录1简介2.参数与超参数3.Embedding Layer4.Convolution Layer5.Max-Pooling Layer6.SoftMax 分类 Layer7.小的变种8 . Text CNN 的tf实现9. 与 LeNet 作比较10. TextCNN 论文中的网络结构1简介TextCNN 是利用卷积神经网络对文本进行分类的算法，由 Yoon Kim 在 “Convol...

        ~~~~~~~~        作为一种常用的图数据处理技术，图匹配在计算机

jieba为自然语言语言中常用工具包，jieba具有对分词的词性进行标注的功能，词性类别如下:格式词性解释Ag形语素形容词性语素。形容词代码为 a，语素代码ｇ前面置以A。a形容词取英语形容词 adjective的第1个字母。ad副形词直接作状语的形容词。形容词代码 a和副词代码d并在一起。an名形词具有名词功能的形容词。形容词代码 a和名词...

论文：iCAN: Instance-Centric Attention Network for Human-Object Interaction Detection论文地址：https://arxiv.org/pdf/1808.10437.pdf        ~~~~~~~~&am

欢饮访问我的主页：https://blog.youkuaiyun.com/Sakura55或者我的目录页：https://blog.youkuaiyun.com/Sakura55/article/details/80678611#font_color0099ff_size4_face_1881、为什么随机森林能降低方差？随机森林的预测输出值是多课决策树的均值，如果有n个独立同分布的随机变量xi，它们的方差都为σ...

原文地址：https://blog.youkuaiyun.com/qq_31456593/article/details/93015488–摘要：凭借对双向上下文进行建模的能力，与基于自回归语言建模的预训练方法相比，基于BERT的基于自动编码的预训练实现了更好的性能。然而，依赖于对输入使用掩码，BERT忽略了屏蔽位置之间的依赖性，并且受到预训练 - 微调差异的影响。根据这些优点和缺点，我们提出了XLNe...

文章目录1、前言2、新的与训练方法——MASS3、统一的与训练框架序列到序列自然语言生成任务实验微软研究院 AI 头条，转：https://mp.weixin.qq.com/s/0bU6_nsVzi6s6VyO8Y6s2A论文地址：https://arxiv.org/pdf/1905.02450.pdf1、前言      &nb...

转载LeNetAlexNetZFVGGGoogLeNetResNetDenseNet内容链接：http://www.cnblogs.com/skyfsm/p/8451834.html

文章目录@[toc]1.cv2打开和保存图片:分彩色和灰度图两种情况2.PIL打开和保存图片3.skimage打开和保存图片:分彩色和灰度图两种情况4.plt打开和保存图片5.实验6.总结7.代码学习各种图片读入和保存方法，分析对比其图像的格式1.cv2打开和保存图片:分彩色和灰度图两种情况        ~~~...

文章目录@[toc]一、概述依存句法分析标注关系 (共14种) 及含义依存句法分析通常满足3个约束依存句法准确率指标二、基于图的依存句法分析代表Chu-Liu/Edmonds Algorithm算法流程三、基于转移的依存句法分析Transition-based parsing（基于贪心决策动作拼装句法树）PCFG（概率上下文无关文法）Lexical PCFG(基于词典的PCFG)四、基于深度学习技...

原文地址：https://sthsf.github.io/wiki/#Algorithm-DeepLearning-Tensorflow学习笔记 About 关于这个wiki 短中长期计划 Algorithm ...

文章目录机器学习激活函数和函数偏差（bias）感知器回归梯度下降生成学习反向传播深度学习最优化和降维长短期记忆（LSTM）卷积神经网络（CNN）递归神经网络（RNN）强化学习生成对抗网络（GAN）多任务学习NLP深度学习和NLP词向量编码器-解码器Python实战案例Scipy和numpyscikit学习TensorflowPyTorch数学线性代数概率论微积分我将这篇文章分为四个部分：机器学习...

函数作用tf.contrib.crf.crf_log_likelihood()        ~~~~~~~~     &nbsp

文章目录1. PageRank算法2. TextRank算法提取关键词3. TextRank算法提取关键词短语4. TextRank生成摘要5. 共现矩阵        ~~~~~~~~        今天要介绍的Tex

文章目录简介Bidirectional 语言模型(1) forward language model(前向语言模型) and (2)backword language model（2）biLM(bidirectional language model)过程图线性组合总结论文地址：https://arxiv.org/pdf/1802.05365.pdf简介   ...

一、原理部分1.1、 GAN的原理：1.2、架构1.3、 GAN 的特点及优缺点：二、为什么GAN中的优化器不常用SGD三、为什么GAN不适合处理文本数据四、训练GAN的一些技巧五、GAN的广泛应用一、原理部分首先附上一张流程图 1.1、 GAN的原理：     &am

1. 思想2. 问题来源网络的深度为什么重要？为什么不能简单地增加网络层数？怎么解决退化问题？其他的参考解释3、原理解释论文地址：https://arxiv.org/pdf/1512.03385v1.pdf1. 思想作者根据输入将层表示为学习残差函数。实验表明，残差网络更容易优化，并且能够通过增加相当的深度来提高准确率。 核心是解决...

1.SIFT概述                ~~~~~~~~SIFT的全称是Scale

一、 CNN结构演化历史的图二、 AlexNet网络2.1 ReLU 非线性激活函数多GPU训练(Training on Multiple GPUs)局部响应归一化(Local Response Normalization)重叠池化(Overlapping Pooling)2.2 降低过拟合( Reducing Overfitting)...

全额

Part I：从神经网络开始 Part II：从RNN到LSTM再到GRU Part III：从Batch Normaliztion到Group Normalization 前言 本文主要围绕NN、RNN、LSTM和GRU，讨论后向传播中所存在的梯度问题，以及解决方法，力求深入浅出。（如果推导有误，请在评论区指正）Part I：从神经网络开始神经网络包括前向过程和后向过程，...

一、介绍二、LeNet-52.1、简介2.1、各层详解1. C1卷积层2. S2 下采样层（Pooling）3. C3层 卷积层4. S4层 Pooling层5. C5 卷积层6. F6 全连接层7. 输出层一、介绍         &nbs...

1.DCGAN2.WGAN3.WGAN-GP (improved wgan)4.LSGAN5.BEGAN: (不是EBGAN)GaN（第三代器件）特性的总结BEGAN1.DCGAN【github】地址 :https://github.com/Newmu/dcgan_code  theano ;https://github.co...

一、原理图

文章目录@[toc]1. 前言2. FastText原理2.1 模型架构2.2 层次SoftMax2.3 N-gram子词特征3. fastText和word2vec的区别4. 总结出处： https://www.cnblogs.com/huangyc/p/9768872.html1. 前言自然语言处理(NLP)是机器学习，人工智能中的一个重要领域。文本表达是 NLP中的基础技术，文本分类则...

背景介绍文本情感分析作为NLP的常见任务，具有很高的实际应用价值。本文将采用LSTM模型，训练一个能够识别文本postive, neutral, negative三种情感的分类器。 本文的目的是快速熟悉LSTM做情感分析任务，所以本文提到的只是一个baseline，并在最后分析了其优劣。对于真正的文本情感分析，在本文提到的模型之上，还可以做很多工作，以后有空的话，笔者可以再做优化。理论介绍...

文章目录方法分类NO.1、文本关键词提取算法基于统计特征的关键词提取算法1、基于词`权重`的特征量化2、基于词的`文档位置`的特征量化3、基于词的`关联信息`的特征量化NO.2、文本关键词提取算法基于词图模型的关键词抽取算法1、综合特征法2、系统科学法NO.3、文本关键词提取算法基于主题模型的关键词抽取NO.4、文本关键词提取算法NO.5、文本关键词提取算法方法分类关于文本的关键词提取方法分为...

我无意中看到一篇公众号，挺不错，就写下来了1.梯度消失根据链式法则，如果每一层神经元对上一层的输出的偏导乘上权重结果都小于1的话，那么即使这个结果是0.99，在经过足够多层传播之后，误差对输入层的偏导会趋于0。这种情况会导致靠近输入层的隐含层神经元调整极小。2.梯度膨胀根据链式法则，如果每一层神经元对上一层的输出的偏导乘上权重结果都大于1的话，在经过足够多层传播之后，误差对输入层的偏导会趋于无穷...

    分享一些NLP相关的论文，简要对摘要做了翻译     Streaming Graph Neural Networks    摘要：图是许多真实世界数据的基本表示，如社交网络。近年来，人们越来越努力将神经网络模型扩展到图形结构数据。这些通常被称为图神经网络的方法已...

机器学习、NLP、Python、数学。。最全的AI学习资源都在这了！！ AI科技大本营 2018-08-20 12:07 关注文章 资料整理 收集这些资源的作者 ，Robbie Allen，Infini...

一、传统目标检测方法1.1 传统目标检测流程：1.2 传统目标检测的主要问题：二、基于侯选区域(Region Proposal)的深度学习目标检测法2.1 R-CNN (CVPR2014, TPAMI2015)2.2 SPP-NET (ECCV2014, TPAMI2015)2.3 Fast R-CNN(ICCV2015)2.4 Faster R-CNN(NIPS2...

一、原理二、参数的理解2.1、灰度值2.2、归一化2.3、细胞2.4、窗口2.5、类型2.6、Gamma标准化2.7、图像梯度及梯度算子2.8、直方图2.9、高斯空域加窗三、步骤及算法3.1、数据预处理3.2、计算梯度图像3.3、计算梯度直方图3.4、归一化3.5、计算HOG特征向量四、HOG优缺点（Histogram Of G...