发简信
IP属地：湖南
-
Task6 基于深度学习的文本分类3
基于深度学习的文本分类 学习目标 了解Transformer的原理和基于预训练语言模型（Bert）的词表示 学会Bert的使用，具体包括pret...
-
Task5 基于深度学习的文本分类2Task5 基于深度学习的文本分类2 在上一章节，我们通过FastText快速实现了基于深度学习的文本分类模型，但是这个模型并不是最优的。在本章...
-
task3 基于机器学习的文本分类
Task3 基于机器学习的文本分类 在上一章节，我们对赛题的数据进行了读取，并在末尾给出了两个小作业。如果你顺利完成了作业，那么你基本上对Pyt...
-
Task2 数据读取与分析
Task2 数据读取与数据分析 本章主要内容为数据读取和数据分析，具体使用Pandas库完成数据读取操作，并对赛题数据进行分析构成。 学习使用P...
-
Task1 赛题理解
本章将会对新闻文本分类进行赛题讲解，对赛题数据进行说明，并给出解题思路。 赛题理解 赛题名称：零基础入门NLP之新闻文本分类 赛题目标：通过这道...
-
task1-word2vec手写笔记的记录： 最后附上一个对理解Word2Vec非常有用的图：
-
Task 5-模型集成Datawhale 零基础入门CV赛事-Task5 模型集成 在上一章我们学习了如何构建验证集，如何训练和验证。本章作为本次赛题学习的最后一章，...
-
Task 04-模型训练在上一章节我们构建了一个简单的CNN进行训练，并可视化了训练过程中的误差损失和第一个字符预测准确率，但这些还远远不够。一个成熟合格的深度学习训练...
-
Task 03-CNN 模型3 字符识别模型 本章将会讲解卷积神经网络（Convolutional Neural Network, CNN）的常见层，并从头搭建一个字符识别...