登录
注册
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
案例:基于Seq2Seq注意力模型实现聊天机器人
简介
分类
案例实战
课程标签:
Python
案例实战
查看课程
任务列表
第1任务: 1.1 案例背景
第2任务: 2.1 RNN模型
第3任务: 2.2 Seq2Seq模型
第4任务: 3.1 聊天机器人模型概述
第5任务: 3.2.1 语料库预处理_读取语料库文件
第6任务: 3.2.2 语料库预处理_分词并构建词典
第7任务: 3.2.3 语料库预处理_构建映射关系
第8任务: 3.2.4 语料库预处理_语料库转为id向量
第9任务: 3.2.5 语料库预处理_拆分成source与target
第10任务: 3.2.6 语料库预处理_词向量训练
第11任务: 3.2.7 语料库预处理_保存文件
第12任务: 4.1.1 模型计算图搭建_读取id向量
第13任务: 4.1.2 模型计算图搭建_读取字典
第14任务: 4.1.3 模型计算图搭建_读取词向量模型
第15任务: 4.2 模型计算图搭建_构建词向量模型矩阵
第16任务: 4.3 模型计算图搭建_统计id向量的长度
第17任务: 4.4 模型计算图搭建_定义Tensor
第18任务: 4.5.1 定义LSTM Cell
第19任务: 4.5.2 Embedding Layers
第20任务: 4.5.3 MultiRNN Cells
第21任务: 4.5.4 Dynamic RNN(动态RNN)
第22任务: 4.5.5 Encoder端自定义函数
第23任务: 4.6.1 添加_BOS
第24任务: 4.6.2 Embedding Layer
第25任务: 4.6.3 MultiRNN Cells
第26任务: 4.6.4 Projection Layer
第27任务: 4.6.5 Trainning Decoder
第28任务: 4.6.6 Inference Decoder
第29任务: 4.6.7 自定义Decoder端函数
第30任务: 4.7.1 Seq2Seq Model搭建
第31任务: 4.7.2 Loss Function
第32任务: 4.7.3 Optinize(优化器)
第33任务: 4.7.4 梯度剪枝
第34任务: 4.8.1 Train初次运行
第35任务: 4.8.2 Train调整
第36任务: 5.1.1 Inference_Test
第37任务: 5.1.2 调用计算图进行测试
第38任务: 6. The Attention Mechanism(注意力机制)
第39任务: 7. 模型的实现示例
第40任务: 基于Seq2Seq注意力模型实现聊天机器人.zip
学
习
中
心
TOP
张老师
群1:897428979
群2:642795722
工作时间:9:00 - 18:00
张老师:18927565259
邮箱:
3120701392@qq.com