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
首页
项目前置知识学习
0
人加入学习
项目前置知识学习
中医问答系统-在线实训
价格
免费
学习有效期
长期有效
已收藏
收藏
分享
扫一扫
扫二维码继续学习 二维码时效为半小时
分享
已收藏
收藏
抱歉,该课程为限制课程,请联系客服
目录
笔记
(0)
介绍
3.2 读取数据
全部任务
1.4 Matplotlib绘制...
1.5 Matplotlib绘制...
1.6 Matplotlib绘制...
2.1 Matplotlib例子...
2.2 Matplotlib例子...
2.3 Matplotlib例子...
2.4 Matplotlib例子...
2.5 Matplotlib例子...
1.1 Python数据可视化概...
1.2 Matplotlib绘图...
1.3 Matplotlib散点...
1.1 自然语言处理概述
3.2 词袋模型
3.1.3 基于keras的on...
3.1.2 基于字典的one-h...
3.1.1 向量化与独热编码
3.5 Doc2Vec模型
3.4.3 Word2Vec模型...
3.4.2 Word2Vec模型...
3.4.1 Word2Vec模型...
3.3 TF-IDF
2.5.2 隐马尔可夫实例
2.5.1 隐马尔可夫概述
2.4.2 N元语法模型与分词
2.4.1 N元语法模型
2.7 去停用词
2.6 jieba分词
2.5.4 Viterbi算法应...
2.5.3 Viterbi算法
2.3.1 分词:正向最大匹配法
2.2.3 正则表达式应用
2.2.2 正则表达式
2.2.1 语料字符处理-字符串...
2.1 NLP的基本流程
2.3.3 分词:逆向最大匹配法
2.3.2 分词:正向最大匹配法...
3.2 读取数据
3.1 任务描述:构建一个线性模...
2.2 张量与数组相互转化
2.1 创建张量
1 PyTorch简介
4.12 模型应用
4.11 加载模型
4.10 保存模型
4.9 模型性能评估
4.8 执行多轮训练
4.7 模型训练
4.6 模型配置
4.5 构建模型
4.4 模型结构介绍
4.3 加工数据
4.2 加载数据
4.1 案例目标与流程
3.7 训练过程可视化
3.6 执行多轮训练
3.5 最小化方差(训练)
3.4 构建优化器
3.4 test-构建优化器
3.3 构建初始模型及损失函数
2.6 实现卷积操作
2.5 高维输入及多filter...
2.4 池化及全连接
2.3 卷积操作的优势
2.2 卷积操作
2.1 浅层神经网络的局限
1 引言
5.6 模型性能验证
5.5 模型训练
5.4 模型配置
5.3 搭建循环神经网络
5.2 数据加工
5.1 加载数据
4.4 LSTM返回值解读
4.3 实现LSTM操作
4.2 LSTM三个门的计算示例
4.1 LSTM的三个门
3.2 循环神经网络的常见结构
3.1 循环神经网络简介
2.8 实现池化操作
2.7 将卷积结果可视化
2.15 Transformer...
2.14 Transformer...
2.13 decoder代码实现
2.12 Masked Atte...
2.11 Decoder整体计算...
2.10 encoder代码实现
2.9 Encoder整体计算流...
2.8 从单头到多头注意力
2.7 attention层的计...
2.6 attention层的计...
2.5 注意力机制介绍
2.4 Input Embedd...
2.3 Transformer整...
2.2 Transformer整...
2.1 Transformer引...
1 大模型简介
6 小结
5.5 使用transforme...
5.4 使用pipeline完成...
5.3 将预训练模型下载至本地及...
5.2 使用pipeline进行...
5.1 HuggingFace简...
4.3 BERT微调流程
4.2 BERT预训练流程
4.1 BERT简介
3.3 GPT微调流程
3.2 GPT预训练流程
3.1 生成式预训练模型GPT简...
项目前置知识学习配套资料下载.z...
排序:
最新笔记
最新笔记
点赞最多
暂无笔记
授课教师
张敏
数据挖掘与人工智能金牌讲师
课程特色
视频(108)
下载资料(1)
学员动态
还没有动态
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