谷歌推出的Bert，最近有多火，估计做自然语言处理的都知道。据称在SQuAD等11项任务当中达到了state of the art。bert的原理可参考论文，或者网上其他人翻...
发简信
IP属地：湖北
-
Bert系列（一）——demo运行
-
我已加入“维权骑士”(rightknights.com)的版权保护计划，转载请私信联系本人。
-
全球交互安全创领者，率先利用生物特征与人工智能技术解决人机交互安全问题，引领着交互安全领域的一次次革命与创新。
-
如何感性地理解EM算法？
如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。idea会让你有一个直观的感受，从...
-
pytorch学习(十)—训练并测试CNN网络前言 学习pytorch已经一周了，pytorch官网的示例代码基本上都敲了一遍，关于tensor的使用，数据集，网络定义等。和之前学习caffe痛苦的经历相比，pytorc...
-
-
1.利用pytorch的nn.Module快速构建简单CNN识别自己的手写数字图片最近在学习pytorch，在学过了linear分类以后尝试入门cnn，但是网上的教程基本都是使用别人标注好的手写数据集。于是我看了下读入图片的数据格式，发现是一个n*1*si...
-
机器学习面试之最大熵模型最大熵模型属于运用最大熵原理的多分类模型，这个模型在面试中经常会与逻辑回归一起问，比如，为什么说二者是类似的？要解答这个问题，需要对两个模型的原理都有清晰的理解，很多面试者虽...
-
机器学习面试之生成模型VS判别模型
生成模型和判别模型是机器学习中两类基本的模型，在机器学习面试中，经常会被问到。能否清晰简明地说明二者的不同，直接影响到面试官对求职者基础知识掌握程度的判断。本文试图给出一个回...
-
哔哩哔哩：李文举说
-
