归档: 2023/12

2023

12

29

介绍当作快速过这个资料的笔记，一些关于别的库的介绍是不完全的，考虑在使用的时候从别的信息渠道就行信息的搜集。也可以作为后面待更博客列举？具体 torchscript Introduction to TorchScript — PyTor

2023-12-29 杂项

pytroch_tutorials

29

背景传统的随机梯度下降算法SGD(Stochastic Gradient Descent)的式子为: \[ \theta_{t+1} \leftarrow \theta_{t} -\alpha \nabla_{\theta_{t}}J_{

2023-12-29 深度学习经典模块

深度学习优化算法

27

介绍这里介绍两种语义结构: Constituency Parsing：句法分析，Context-free grammars(CFGs)，上下文无关语法，赋予每个单词一个词性类别，单词组合成短语，短语递归形成更大的短语 Dependenc

2023-12-27 深度学习自然语言处理

深度学习自然语言处理

24

在学习深度学习的过程中,很多次遇到了矩阵求导的问题,发现网上很多教程写的不是很好理解,记录自己的浅薄认知. （矩阵求导有分子转置（和分子行数一样）和分母转置（和分母行数一样）两种，两种结果互为转置。本篇介绍的不太一样，因为很多教程也是混杂

2023-12-24 数学线性代数

深度学习数学矩阵向量

22

介绍相比Word2Vec的局部训练,GloVe可以使用全局的语料统计信息来训练,可以预先计算全局语料库统计数据来提高训练数据. 带全局语料统计的跳元模型用\(q_{ij}\)表示词\(w_j\)的条件概率\(P(w_j|w_i)\),在

2023-12-22 深度学习自然语言处理

深度学习自然语言处理

21

介绍传统的词向量是独热编码One-Hot,每个词语对应的向量只有一位为1,其余为0,通过这个1的位置区分向量 Word2Vec是一种Distributed Representation,相比独热编码有以下优点: 维度远小于独热编码能更

2023-12-21 深度学习自然语言处理

深度学习自然语言处理

08

前言当大四结束的时候,才意识到大学过的十分失败,很多计算机的核心知识其实都是处于一知半解的状态,动手能力也还是有很大的差距.即使在大一的时候,就已经在知乎上面刷到过不少计科混子的自我吐槽和悔恨,并且立志不要这么做,但大四上结束后,发现终究

2023-12-08 课程资源