摘要: 前面阐述注意力理论知识,后面简单描述PyTorch利用注意力实现机器翻译 Effective Approaches to Attention-based Neural Machine Translation 简介 Attention介绍 在翻译的时候,选择性的选择一些重要信息。详情看这篇文章 。 本 阅读全文
posted @ 2019-06-21 17:47 交流_QQ_2240410488 阅读(3870) 评论(0) 推荐(0) 编辑
摘要: Linear 是module的子类,是参数化module的一种,与其名称一样,表示着一种线性变换。 创建 parent 的init函数 Linear的创建需要两个参数,inputSize 和 outputSize inputSize:输入节点数 outputSize:输出节点数 所以Linear 有 阅读全文
posted @ 2019-06-21 16:44 交流_QQ_2240410488 阅读(432) 评论(0) 推荐(0) 编辑
摘要: 在pytorch里面实现word embedding是通过一个函数来实现的:nn.Embedding 1 2 3 4 5 6 7 8 9 10 11 12 13 # -*- coding: utf-8 -*- import numpy as np import torch import torch. 阅读全文
posted @ 2019-06-21 16:37 交流_QQ_2240410488 阅读(234) 评论(0) 推荐(0) 编辑
摘要: negative log likelihood文章目录negative log likelihood似然函数(likelihood function)OverviewDefinition离散型概率分布(Discrete probability distributions)连续型概率分布(Contin 阅读全文
posted @ 2019-06-21 15:51 交流_QQ_2240410488 阅读(6732) 评论(0) 推荐(0) 编辑
摘要: 前言 本系列教程为pytorch官网文档翻译。本文对应官网地址:https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html 系列教程总目录传送门:我是一个传送门 本系列教程对应的 jupyter noteb 阅读全文
posted @ 2019-06-21 14:09 交流_QQ_2240410488 阅读(615) 评论(0) 推荐(0) 编辑
摘要: 我们创建一个正则表达式var RegExp = /^(123)(456)\2\1$/;这个正则表达式匹配到的字符串就是123456456123创建另外第二正则表达式var RegExp1 = /^(123)(456)\1$/;这个正则表达式匹配到的字符串是123456123创建另外第三正则表达式va 阅读全文
posted @ 2019-06-21 13:00 交流_QQ_2240410488 阅读(351) 评论(0) 推荐(0) 编辑
摘要: 版权声明:博客文章都是作者辛苦整理的,转载请注明出处,谢谢!http://blog.csdn.net/m0_37306360/article/details/79318644简介在这个项目中,我们将使用PyTorch框架实现一个神经网络,这个网络实现法文翻译成英文。这个项目是Sean Roberts 阅读全文
posted @ 2019-06-21 11:08 交流_QQ_2240410488 阅读(1429) 评论(0) 推荐(0) 编辑
摘要: 1、tf.reduce_max函数的作用:计算张量的各个维度上的元素的最大值。例子: import tensorflow as tfmax_value = tf.reduce_max([1, 3, 2])with tf.Session() as sess: max_value = sess.run( 阅读全文
posted @ 2019-06-21 09:23 交流_QQ_2240410488 阅读(1190) 评论(0) 推荐(0) 编辑
摘要: 描述 Python 字典(Dictionary) get() 函数返回指定键的值,如果值不在字典中返回默认值。 语法 get()方法语法: dict.get(key, default=None) 参数 key -- 字典中要查找的键。 default -- 如果指定键的值不存在时,返回该默认值值。 阅读全文
posted @ 2019-06-21 09:14 交流_QQ_2240410488 阅读(402) 评论(0) 推荐(0) 编辑
摘要: \n 软回车: 在Windows 中表示换行且回到下一行的最开始位置。相当于Mac OS 里的 \r 的效果。 在Linux、unix 中只表示换行,但不会回到下一行的开始位置。\r 软空格: 在Linux、unix 中表示返回到当行的最开始位置。 在Mac OS 中表示换行且返回到下一行的最开始位 阅读全文
posted @ 2019-06-21 08:39 交流_QQ_2240410488 阅读(1480) 评论(0) 推荐(0) 编辑