TensorFlow/[TensorFlow 学习笔记 ] 7 时间序列 1 - 统计学方法
TensorFlow/[TensorFlow 学习笔记 ] 6 RNN 实现文本生成
TensorFlow/[TensorFlow 学习笔记 ] 5 使用 RNN 进行文本分类
NLP/图解 Bert

NLP/图解 Bert

本文翻译自:http://jalammar.github.io/illustrated-bert/

通俗易懂,非常适合刚刚开始了解 Bert 的同学。

BERT 来源于 Transformer,如果你不知道 Transformer 是什么,你可以查看 图解 Transformer

2018 年是机器学习模型处理文本(或者更准确地说,自然语言处理或 NLP)的转折点。如何用最恰当的形式来表示单词和句子,从而最准确地捕捉它们基本语义和关系?我们对这些问题的研究正在迅速发展。此外,NLP 社区已经发布了一些非常强大的组件,你可以免费下载,并在自己的模型和 pipeline 中使用(今年,可以说是 NLP 的 ImageNet 时刻,这句话指的是:多年前类似的发展,也加速了机器学习在计算机视觉任务中的应用)。

阅读更多
TensorFlow/[TensorFlow 学习笔记 ] 4 文本数据预处理
TensorFlow/[TensorFlow 学习笔记 ] 3 计算机视觉 2-数据增强,迁移学习,以及 dropout

TensorFlow/[TensorFlow 学习笔记 ] 3 计算机视觉 2-数据增强,迁移学习,以及 dropout

图片二分类

在上一篇文章中,你学习了如何创建卷积神经网络,以及 ImageGenerator 来创建并训练一个完整的深度学习模型。但之前使用的数据都是计算机生成的,这些数据中的物体都在图片中心,图片宽高一样。而真实世界的图片数据是多种多样的。

在这篇文章中,我们来看下如何处理真实世界的数据。

阅读更多
TensorFlow/[TensorFlow 学习笔记 ] 2 计算机视觉 1-CNN

TensorFlow/[TensorFlow 学习笔记 ] 2 计算机视觉 1-CNN

在上一篇文章中,你学习了如何创建一个神经网络,来学习你要处理的问题。但上一篇文章中的神经网络处理的是非常简单的问题 \(y=2 \times x-1\)。现在我们来看下更加实际,并且也更加困难的问题。在这个问题中,我们使用的数据包含 10 种不同类型的数据,我们要训练一个神经网络,来识别衣服的类型。

阅读更多
TensorFlow/[TensorFlow 学习笔记 ] 1 机器学习入门
NLP/GPT3 的原理 - 详细动画图解

NLP/GPT3 的原理 - 详细动画图解

本文翻译自 http://jalammar.github.io/how-gpt3-works-visualizations-animations/

如今,科技圈充斥着关于 GPT3 的炒作。大量的语言模型(如 GPT3)开始展现出它们惊人的能力。对于大多数企业来说,这些模型虽然还不能直接给用户可靠地使用,但它们展现出的智慧火花,肯定会加速自动化进程和智能计算机系统的可能性。现在,让我们揭开 GPT3的神秘面纱,了解它是如何训练的,以及它是如何运作的。

一个训练好的语言模型会生成文本。

我们可以把一些文本输入到模型中,这些输入的文本会影响输出的文本。

阅读更多
Python/pip 和 conda 修改源