当前，在BERT等预训练模型的基础上进行微调已经成了NLP任务的一个定式了。为了了解BERT怎么用，在这次实践中，我实现了一个最简单的NLP任务，即文本情感分类。 1.基于B...
发简信
IP属地：西藏
-
我的实践：pytorch框架下基于BERT实现文本情感分类 -
我的实践：通过蚂蚁、蜜蜂二分类问题了解如何基于Pytorch构建分类模型
1.数据集准备 本例采用了pytorch教程提供的蜜蜂、蚂蚁二分类数据集（点击可直接下载）[https://download.pytorch.org/tutorial/hym...
-
我的实践：通过一个简单线性回归入门pytorch机器学习简单来讲就是要在数据中训练出一个模型，能够将输入映射成合理的输出。所以，在训练模型之前，我们首先准备好输入、输出对；然后再利用这些输入、输出对来优化模型，使模型的LO...
-
元学习（Meta-learning）——让机器学习如何学习
1 元学习概述 元学习的意思即“学会如何学习” 。 在机器学习中，工作量最大也是最无聊的事情就是调参。我们针对每一个任务从头开始进行这种无聊的调参，然后耗费大量的时间去训练...
-
强化学习（Reinforcement Learning, RL）——让AlphaGo进化得比人类更强
1 题外话：人类棋手的最后赞礼 2016年3月15日，AlphaGo以4:1的比分击败了人类的传奇棋手李世石。在李世石折戟沉沙的当晚，一个名叫柯洁的中国少年站出来说，“就算A...
-
领域自适应（Domain adaption)——实现模型的自适应迁移
领域自适应（Domain adaption)——实现模型的自适应迁移 1 领域自适应网络概述 有时候我们在某个领域训练出的一个模型，想迁移到另一个领域，这样我们就不需要每个领...
-
生成对抗网络（Generative Adversarial Networks,GAN）——让机器学习具有创造力
1 生成对抗网络概述 有时候我们希望网络具有一定的创造力，比如画画、编曲等等，能否实现呢？是可以实现的，大家可以鉴别一下下面这几张照片，哪些是真实的人脸，哪些是机器生成的人脸...
-
BERT——自监督学习的典范
1 自监督学习的概念 在机器学习中，最常见的是监督学习（Supervised learning）。假设模型的输入是，输出是，我们如何使模型输出我们期望的呢？我们得拥有已标注的...
-
Transformer——实现“序列to序列”的转换
1 Transformer 概述 在机器学习中，我们有很多任务都是 “序列to序列” 的形式，比如语音识别、机器翻译、文本标注等等。而且在这些任务中，输入序列和输出序列的长度...
-
自注意力机制(self-attention)——考虑全局又聚焦重点
1 自注意力机制概述 有时候我们期望网络能够看到全局，但是又要聚焦到重点信息上。比如在在做自然语言处理时，句子中的一个词往往不是独立的，和它上下文相关，但是和上下文中不同的词...
-
卷积神经网络（Convolutional Neural Networks, CNN)——更有效率地提取特征
卷积神经网络（Convolutional Neural Networks, CNN)——更有效率地提取特征 1 全连接神经网络的问题 图像识别问题本质上就是分类问题，比如我们...
-
-
《深度学习》学习笔记
本文是李宏毅教授《机器学习》课程的学习笔记，简要地介绍了深度学习的基本概念及常见网络架构，包括卷积神经网络、自注意力机制、Transformer、BERT、生成对抗网络、领域...
-
提高论文写作效率的几款超棒工具（Mathpix Snipping Tool，aurora，bibtex4word）刚提交完博士学位论文，一些提高写作效率的神器想给大家分享一下。在撰写论文过程中，最麻烦的不过公式编辑和文献插入，我想给大家推荐一些工具，可以提高公式编辑和文献插入的效率。 公...
