摘要：
Focal Loss for Dense Object Detection 是ICCV2017的Best student paper,文章思路很简单但非常具有开拓性意义，效果也非常令人称赞。 GHM(gradient harmonizing mechanism) 发表于 “Gradient Harm 阅读全文
posted @ 2022-02-15 12:06
blcblc
阅读(410)
评论(0)
推荐(0)
摘要：
这张图比较直观 当学习率设置的过小时，收敛过程将变得十分缓慢。而当学习率设置的过大时，梯度可能会在最小值附近来回震荡，甚至可能无法收敛。 下面来了解一些学习率调整的方法。 2.1 离散下降(discrete staircase) 对于深度学习来说，每 𝑡t 轮学习，学习率减半。对于监督学习来说，初 阅读全文
posted @ 2022-02-14 22:30
blcblc
阅读(412)
评论(0)
推荐(0)
摘要：
这篇文章的一些笔记摘要 《细粒度情感分析在到餐场景中的应用》 https://tech.meituan.com/2021/12/09/meituan-aspect-based-sentiment-analysis-daodian.html 大规模预训练模型(BERT)、提示学习(Prompt)等 N 阅读全文
posted @ 2022-02-14 12:02
blcblc
阅读(255)
评论(0)
推荐(0)
摘要：
针对这篇文章的读书摘要 《情感分析技术在美团的探索与应用》 https://tech.meituan.com/2021/10/20/the-applications-of-sentiment-analysis-meituan.html 我们对其所有用户评论分析后发现好评主要集中在口味、服务、性价比 阅读全文
posted @ 2022-02-13 22:00
blcblc
阅读(166)
评论(0)
推荐(0)
摘要：
第一种Normalization是对于将数据进行预处理时进行的操作，是对于数据集的各个特征分别进行处理，主要包括min-max normalization、Z-score normalization、 log函数转换和atan函数转换等。第二种Normalization对于每个样本缩放到单位范数（每 阅读全文
posted @ 2022-02-13 21:54
blcblc
阅读(414)
评论(0)
推荐(0)
摘要：
先记录一下，然后再仔细看一下。 《情感分析技术在美团的探索与应用》 https://tech.meituan.com/2021/10/20/the-applications-of-sentiment-analysis-meituan.html 《细粒度情感分析在到餐场景中的应用》 https://t 阅读全文
posted @ 2022-02-12 23:42
blcblc
阅读(123)
评论(0)
推荐(0)
摘要：
这些关于Transformer和Bert的文章不错，做一下记录： 《Transformer模型浅析》 https://zhuanlan.zhihu.com/p/74723305 文中引用了一篇国外的博客：https://jalammar.github.io/illustrated-transform 阅读全文
posted @ 2022-02-10 21:20
blcblc
阅读(92)
评论(0)
推荐(0)
摘要：
今天看了篇文章，把NLP归纳成五大类，我觉得还是有一定道理的。 https://blog.csdn.net/Datawhale/article/details/119090740 阅读全文
posted @ 2022-02-10 16:13
blcblc
阅读(119)
评论(0)
推荐(0)
摘要：
有不少资料讲数据集的，太多了就有些信息过剩了，把我自己认为还不错的数据集做一下记录 NLP WikiText：http://metamind.io/research/the-wikitext-long-term-dependency-language-modeling-dataset/ WikiTe 阅读全文
posted @ 2022-02-10 15:52
blcblc
阅读(1482)
评论(0)
推荐(0)
摘要：
看的是这篇文章：《深度推荐模型之DeepFM》 https://zhuanlan.zhihu.com/p/57873613 做一些学习笔记 DeepFM模型原理，该模型可认为是Wide & Deep推荐模型的升级版。 不同点主要有以下两点： wide模型部分由LR替换为FM。FM模型具有自动学习交叉 阅读全文
posted @ 2022-02-09 22:27
blcblc
阅读(119)
评论(0)
推荐(0)
浙公网安备 33010602011771号