您好,欢迎来到站点网。
搜索
首页>索引
文库专题大全
[深度学习]循环神经网络:RNN,LSTM,GRU,Attention机制,沿时间的截断反向传导算法
[深度学习]语义分割、分类定位与目标检测
[深度学习] 激活函数、损失函数、优化函数的作用
[深度学习] 梯度消失与梯度爆炸、Loss为Nan的原因
传统提取图片特征的方式:颜色直方图、方向梯度直方图、词袋
[日常杂言]关于目标检测的思考
adb 无线连接,拔掉线后offline 问题
去掉一个字符串的首尾空格,若中间有空格仅保留一个
hdu 5009 Paint Pearls
OpenCV-008:抠图与图片拼接
OpenCV012:双目测距
Python基础知识(二):序列结构---字符串、 列表、 元组、 字典、 集合
Python基础知识(三):控制语句
深度学习/Deep Learning==神经网络/Neural Network:综述
深度学习-神经网络:DNN(Deep Neural Networks=Fully Connected
深度学习-神经网络:CNN经典模型【LeNet5、AlexNet 、VGG、GoogleNet、Re
人工智能-强化学习:Sparse Reward(稀疏回报)
大数据-Hadoop-搭建(一):搭建Hadoop完全分布式集群(在VMware中的Linux虚拟机
大数据-数据仓库(Data Warehouse):概述【面向主题的、集成的、相对稳定的、反映历史变化
人工智能-CV:数据增强/Data Argumentation --> 扩大数据集
人工智能-推荐系统-模块02:离线推荐模块【基于LFM模型的推荐(ALS算法)、基于物品的协同过滤推
NLP-信息抽取:概述【Information Extraction, 从纯文本中进行:①实体抽取与
深度学习-TensorFlow2:TensorFlow2 创建CNN神经网络模型【ResNet模型】
Pytorch框架教程
NLP-预训练模型-2019-NLU:XLNet【 在Transformer-XL的基础上:①“排列
VMware15.5下安装CentOS7.5的步骤
自然语言处理(NLP):工程化部署
LeetCode-题目详解:排序【高频题:6、中频题:27、低频题:29】
Java架构师:概述
LeetCode-题目详解(五):二叉搜索树【遍历、验证、属性、修改、构造、插入节点、删除节点、修剪
Java架构师-分布式(二):单点登录SSO【相同顶级域名:Redis+Cookie分布式会话;不同
Java架构师-分布式(六):分布式锁【基于Redis的分布式锁(Api:Redisson)、基于z
Java架构师-微服务:微服务架构【单体部署 --改造--> 微服务架构】【分布式:分散压力;微服务
Java架构师-容器化(二):容器编排技术-K8S(Kubernetes;Docker集群的管理工具
大数据-Hadoop-户管理界面:HUE(Hadoop User Experience)【将Hado
大数据-案例-离线数仓-在线教育:MySQL(业务数据)-ETL(Sqoop)->Hive数仓【OD
NLP-词向量(Word Embedding)-2015:C2W模型(Character to Wo
NLP-预训练模型-2019:ALBert【 轻Bert;使用 “输入层向量矩阵分解”、“跨层参数共
NLP-阅读理解-2015:MRC模型-指导机器去阅读并理解【开篇之作】【完形填空任务】【第一次构建
NLP-阅读理解:“阅读理解”综述(Machine Reading Comprehension, M
NLP-文本匹配-2013:DSSM【首次提出将深度学习应用到文本匹配,每个文本对象均由5层的神经网
NLP-文本匹配/语义相似度计算-2019:Poly-encoders【architectures
NLP-信息抽取-关系抽取-2015:CRCNN、PCNN实体关系分类器【基于卷积神经网络排序进行关
NLP-分类模型-2016-文本分类:TextRNN【利用RNN循环神经网络解决文本分类问题】【相比
敏捷开发是什么?
NLP-文本匹配-2016:MaLSTM(Manha?an LSTM,孪生神经网络模型)【语句相似度
NLP-基础任务-中文分词算法(1)-基于词典: 机械分词(词典字符串匹配):前向最大匹配、后向最大
分类问题的评价指标:多标签分类【基于标签度量(同多分类一样):准确率(Accuracy)、精确率(P
最短路径算法:迪杰克斯拉(Dijkstra)算法(基于贪心思想)【从一个顶点到其余各顶点的最短路径算
开源对话机器人框架:Rasa概述【中小型公司使用Rasa框架,降低准入门槛。灵活性不够高】【可以本地
搜索引擎:OpenSearch【结构化数据搜索托管服务】【特点:单应用亿级别文档搜索 ,毫秒级别查询
使用预训练语言模型预测阶段:GPU、CPU性能差别【Pegasus】
分类问题的评价指标:二分类【准确率(Accuracy):用在数据均衡(每一类的样本数量相同)的数据集
NLP-预训练模型-2018-Bert-解析:BertForMaskedLM
NLP-分类模型:短文本分类概述【FastText、TextCNN、TextRNN、TextRCNN
Elasticsearch-相关性算分:BM25算法【对TFIDF算法的优化;即:词频超过一定数量,
样本类别分布不均衡【扩充数据集、对数据集进行重采样、人造数据、改变分类算法、尝试其它评价指标】
分类问题:损失函数【二分类、多分类】
分类模型-评估指标(2):ROC曲线、 AUC值(ROC曲线下的面积)【只能用于二分类模型的评价】【
Pytorch:Tensor数组运算中的Broadcasting【广播机制】
Pytorch:Tensor之间的拼接与拆分【拼接:cat、stack;拆分:split、chunk
Pytorch:Tensor基本运算【add/sub/mul/div:加减乘除】【mm/matmul
时间序列-异常检测(Anomaly Detection)(二):传统方法
PyTorch学习率衰减策略:指数衰减(ExponentialLR)、固定步长衰减(StepLR)、
NLP-预训练模型-2019-NLU+NLG:UniLM(自然语言理解与生成的统一预训练语言模型)
用自己的数据集训练自己的预训练模型(How to train a new language mode
用Bertviz可视化Attention Weight、Position Embedding
Pandas-数据结构-DataFrame(二):设置索引【①创建DataFrame时添加行、列索引
Pandas-时期(一)-数据类型:Period(时期类型)【创建:pd.Period(value=
Pandas-数据操作-常用函数(一):unique(获取Series中的去重值)、value_co
Pandas-高级处理(六):map()【将自定义函数作用于Series的每个元素】、apply()
Pandas-数据操作-字符串型(二):常用方法【lower、upper、len、startswit
TensorFlow2-基础(二):Tensor常见阶Rank【Rank = 0阶[]、1阶[d]、
TensorFlow2-高阶操作(四):张量排序【sort(返回排序后的新张量)、argsort(返
huggingface使用(一):AutoTokenizer(通用)、BertTokenizer(基
Python:可迭代对象、迭代器【可迭代对象:实现__iter__方法】、【迭代器:实现__next
模型调参(二):learning rate decay(学习率衰减)【使用库调整学习率:等间隔、多间
Python常用函数:any() 【用于判断给定的可迭代参数是否全部为False;如果有一个为Tru
NLP-信息抽取-NER-2015-BiLSTM+CRF(三):命名实体识别【实战】
Python常用函数:os.getenv()【用途:获取环境变量键的值(存在),否则返回默认值】
Shell-常用命令:删除文件、目录【rm 待删除文件或目录】
图算法(二):PersonalRank算法【适用场景:商品推荐、好友推荐和网页推荐等】【继承了经典P
Linux C++、VC++ 【Linux C++:Linux上基于GNUC++编译器(g++)实现
图算法(十五):Node2vec算法【适用场景:用于节点功能相似性比较、节点结构相似性比较、社团聚类
C基础语法:字符串处理函数【strstr()、strcpy()、strncpy()、strcat()
C基础语法-关键字:#define【发生在预处理】
Pytorch中的梯度累加【在实验时,由于GPU显存,遇到batch_size不能再增大的情况。
CAM:特征可视化技术
损失函数:从Softmax到AMSoftmax
目标检测:损失函数之SmoothL1Loss
目标检测器算法:YOLO【轻量级、高精度】【业界实用】
仿射变换warpAffine
C/C++动态开辟数组【C++:new/delete(推荐):int *arr = new int[
C++-STL-组件(一)-容器07:set/multiset容器(集合)
NLP-信息抽取-三元组-联合抽取-Prompt-2022:UIE(通用信息抽取模型)【第四范式】【
Nvidia 显卡 Failed to initialize NVML Driver/library
Linux:系统进程---->查看命令【ps:静态查看进程】【top:动态查看进程】
音频分类-数据集:AudioSet【Google发行的声音版ImageNet】
音频分类-数据集:ESC-50【每个音频长度为5 秒,5个大类,50 个小类(每个小类 40 个样本
Python常用函数:getattr()【获取属性值】、setattr()【设置属性值】

Copyright © 2019- aiyouhunan.com 版权所有

违法及侵权请联系:TEL:199 18 7713 E-MAIL:2724546146@qq.com

本站由北京市万商天勤律师事务所王兴未律师提供法律服务