摘要: import os import tqdm import torch import random import shutil import numpy as np 2 Tenosr Operation 2.1 Base information of tensor tensor = torch.ran 阅读全文
posted @ 2023-02-25 09:24 Yumeka 阅读(45) 评论(0) 推荐(0) 编辑
摘要: import os import tqdm import torch import random import shutil import numpy as np 1. Base Config 1.1 Check version of pytorch print("torch version ",t 阅读全文
posted @ 2023-02-13 21:14 Yumeka 阅读(100) 评论(0) 推荐(0) 编辑
摘要: 1.e的科学解释 1.1金融故事: 从银行利率讲起 假设你有 1 元钱存在银行里,此时发生了严重的通货膨胀,银行的利率飙到了100%。如果银行一年付一次利息,自然在一年后你可以拿到1元的本金(蓝色圆)和1 元的利息(绿色圆),总共两元的余额。 现在引入第一个先验知识: 若银行年利率为a%,如果一年被 阅读全文
posted @ 2022-05-12 21:52 Yumeka 阅读(1097) 评论(0) 推荐(0) 编辑
摘要: 需要做点什么 方便广大烟酒生研究生、人工智障炼丹师算法工程师快速使用chainer,所以特写此文章,默认使用者已有基本的深度学习概念、数据集概念。 系统环境 python 3.7.4 chainer 6.7.0 cupy-cuda114 10.2.0 onnx-chainer 1.6.0 onnx 阅读全文
posted @ 2022-04-03 21:53 Yumeka 阅读(163) 评论(0) 推荐(0) 编辑
摘要: 需要做点什么 方便广大烟酒生研究生、人工智障炼丹师算法工程师快速使用mxnet,所以特写此文章,默认使用者已有基本的深度学习概念、数据集概念。 系统环境 python 3.7.4 mxnet 1.9.0 mxnet-cu112 1.9.0 onnx 1.9.0 onnxruntime-gpu 1.9 阅读全文
posted @ 2022-04-02 20:01 Yumeka 阅读(280) 评论(0) 推荐(0) 编辑
摘要: 需要做点什么 方便广大烟酒生研究生、人工智障炼丹师算法工程师快速使用百度PaddelPaddle,所以特写此文章,默认使用者已有基本的深度学习概念、数据集概念。 系统环境 python 3.7.4 paddlepaddle-gpu 2.2.2 paddle2onnx 0.9.1 onnx 1.9.0 阅读全文
posted @ 2022-03-25 20:28 Yumeka 阅读(593) 评论(0) 推荐(0) 编辑
摘要: 需要做点什么 方便广大烟酒生研究生、人工智障炼丹师算法工程师快速使用torch,所以特写此文章,默认使用者已有基本的深度学习概念、数据集概念。 系统环境 python 3.7.4 torch 1.9.0+cu111 onnx 1.9.0 onnxruntime-gpu 1.9.0 数据准备 MNIS 阅读全文
posted @ 2022-03-22 08:07 Yumeka 阅读(699) 评论(0) 推荐(0) 编辑
摘要: 需要做点什么 方便广大烟酒生研究生、人工智障炼丹师算法工程师快速使用keras,所以特写此文章,默认使用者已有基本的深度学习概念、数据集概念。 系统环境 python 3.7.4 tensorflow 2.6.0 keras 2.6.0 onnx 1.9.0 onnxruntime-gpu 1.9. 阅读全文
posted @ 2022-03-20 10:09 Yumeka 阅读(388) 评论(0) 推荐(0) 编辑
摘要: UNION An Unreferenced Metric for Evaluating Open-ended Story Generation精读 UNION: 一种评估开放故事生成无参考文本依赖metric模型,这是一篇EMNLP 2020的论文 (Empirical Methods in Nat 阅读全文
posted @ 2021-01-02 20:52 Yumeka 阅读(429) 评论(0) 推荐(0) 编辑
摘要: Arxiv链接 上下文嵌入(Bert词向量): 什么时候值得用? ACL 2018 预训练词向量 (上下文嵌入Bert,上下文无关嵌入Glove, 随机)详细分析文章 1 背景 图1 Bert 优点 效果显著 缺点 成本昂贵 (Memory,Time, Money) (GPT-3,1700亿的参数量 阅读全文
posted @ 2020-08-03 21:45 Yumeka 阅读(493) 评论(0) 推荐(0) 编辑