-
用字符级RNN分类名称
用字符级RNN分类名称 准备数据 将名字转化为张量 创建网络 训练 准备训练 训练网络 绘制结果 评估结果 在用户输入上运行 练习 用字符级RNN分类名称 译者：@孙永杰 作者 : Sean Robertson 我们将建立和训练一个基本的字符级RNN进行分类单词. 字符级别的RNN将单词读为一系列字符 - 在每个步骤输... -
7.1 K 近邻算法
7.1 K 近邻算法 1.1、什么是K近邻算法 1.2、近邻的距离度量表示法 1.3、K值的选择 7.1 K 近邻算法 1.1、什么是K近邻算法 何谓K近邻算法，即K-Nearest Neighbor algorithm，简称KNN算法，单从名字来猜想，可以简单粗暴的认为是：K个最近的邻居，当K=1时，算法便成了最近邻算法，即寻找最近的那个邻居... -
从零开始的 NLP：使用字符级 RNN 生成名称
从零开始的 NLP：使用字符级 RNN 生成名称 准备数据 创建网络 训练 准备训练 训练网络 绘制损失图 网络采样 练习 从零开始的 NLP：使用字符级 RNN 生成名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_generation_tutorial.html ... -
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch API 定义 依赖项 简单的 Web 服务器 推断 准备图像 预测 将模型集成到我们的 API 服务器中 后续步骤 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch 原文：https://pytorch.org/t... -
第二章 快速迭代的发展历程
第二章 快速迭代的发展历程 第二章 快速迭代的发展历程 在ChatGPT一词中，Chat是指对话方式，GPT是指背后的技术，其是一种基于互联网可用数据训练的文本生成深度学习模型。它用于文本问答、文本摘要、语言翻译、文本分类、代码生成和对话对答等工作中。从最初版本的GPT-1到GPT-4（ChatGPT），仅用4年时间ChatGPT就实现了快速的迭代式演... -
04 ChatGPT的核心技术是什么
04 ChatGPT的核心技术是什么 04 ChatGPT的核心技术是什么 ChatGPT的核心技术是基于人工神经网络的自然语言处理技术。具体来说，它使用了一种名为GPT（Generative Pre trained Transformer）的大型深度学习模型。 GPT模型的前身是Transformer模型（一种用于自然语言处理的深度学习模型），它在... -
从零开始的 NLP：使用字符级 RNN 分类名称
从零开始的 NLP：使用字符级 RNN 分类名称 准备数据 将名称转换为张量 创建网络 训练 准备训练 训练网络 绘制结果 评估结果 在用户输入上运行 练习 从零开始的 NLP：使用字符级 RNN 分类名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_classif... -
十八、Keras
十八、Keras 添加丢弃 卷积神经网络 用于二分类的前馈神经网络 用于多分类的前馈神经网络 用于回归的前馈神经网络 LSTM 循环神经网络 神经网络的提前停止 神经网络的参数正则化 为神经网络预处理数据 保存模型的训练过程 调优神经网络超参数 可视化损失历史 可视化神经网络架构 可视化表现历史 神经网络的 K 折交叉验证 ... -
11 ChatGPT+翻译
11 ChatGPT+翻译 11 ChatGPT+翻译 以对话的方式进行翻译 ChatGPT可以翻译小段文本，下面是一个例子。 Q：请将以下的英文文本翻译成中文： ChatGPT is underpinned by a large language model that requires massive amounts of data to fu... -
用 PyTorch 编写分布式应用
用 PyTorch 编写分布式应用 设置 点对点通信 集合通信 分布式训练 我们自己的 Ring-Allreduce 高级主题 通信后端 初始化方法 用 PyTorch 编写分布式应用 原文：https://pytorch.org/tutorials/intermediate/dist_tuto.html 作者 ：SébArn...
