利用 Python 和 PyTorch 處理面向?qū)ο蟮臄?shù)據(jù)集（2）) ：創(chuàng)建數(shù)據(jù)集對象

本篇是利用 Python 和 PyTorch 處理面向?qū)ο蟮臄?shù)據(jù)集系列博客的第 2 篇。我們在第 1 部分中已定義 MyDataset 類，現(xiàn)在，讓我們...

2022-08-02 標簽：python數(shù)據(jù)集pytorch 1161 0

利用 Python 和 PyTorch 處理面向?qū)ο蟮臄?shù)據(jù)集 - 3：貓和狗

在本篇博文中，我們將在“貓和狗”數(shù)據(jù)庫上重復先前第 2 部分中已完成的過程，并且我們將添加一些其它內(nèi)容。

2022-08-02 標簽：python數(shù)據(jù)集pytorch 744 0

基于Transformer模型的上下文嵌入何時真正值得使用？

作者發(fā)現(xiàn)，在決定BERT-embedding和Glove-embedding的效果性能方面，訓練數(shù)據(jù)量起著關鍵作用。通過使用更多的訓練數(shù)據(jù)，非上下文嵌入...

2020-08-28 標簽：模型數(shù)據(jù)集文本 3107 0

如何利用多個上下文信息來做同義實體發(fā)現(xiàn)問題上進行了一些新的探索

作者采用了如下圖所示的模型結(jié)構(gòu)：檢索器 (context retriever)通過檢索的方式從海量文本中選擇一組實體被提到的句子；編碼器(context...

2020-08-28 標簽：編碼器模型數(shù)據(jù)集 2970 0

三篇ACL2020論文即圍繞謠言判別中的可解釋性

對網(wǎng)絡謠言真實性進行判別是較為復雜的系統(tǒng)性任務，可粗粒度分為謠言檢測（rumor detection）、立場分類（stance classificati...

2020-08-28 標簽：數(shù)據(jù)集深度學習cnn 4311 0

深度神經(jīng)網(wǎng)絡竟然是模塊化的？

先把數(shù)據(jù)轉(zhuǎn)換為圖，所有的數(shù)據(jù)看做是空間中的點，點和點之間用邊相連。距離較遠的兩個點，它們之間邊的權重值較低，距離較近的兩點之間邊的權重值較高。

2020-03-27 標簽：神經(jīng)網(wǎng)絡模塊化數(shù)據(jù)集 2771 0

機器學習如何做好分布外異常檢測？

近些年來，隨著新細菌種類不斷被發(fā)現(xiàn)，雖然基于已知分類訓練的神經(jīng)網(wǎng)絡分類器通過交叉驗證達到了很高的測量準確性，但部署模型仍具有高的挑戰(zhàn)性，因為現(xiàn)實數(shù)據(jù)在不...

2020-01-16 標簽：神經(jīng)網(wǎng)絡機器學習數(shù)據(jù)集 1923 0

Facebook的研究人員提出了Mesh R-CNN模型

這一研究的目標是通過單張圖像輸入，對圖像中的物體進行檢測、獲取不同物體的類別、掩膜和對應的三維網(wǎng)格，并對真實世界中的復雜模型進行有效處理。在2D深度網(wǎng)絡...

2019-08-02 標簽：圖像Facebook數(shù)據(jù)集 4234 0

基于編碼器-解碼器的架構(gòu)來從水下圖像重建出清晰的圖像

研究人員首先充分考慮了水下成像過程中的波長相關衰減、光散射和水體的影響，合成了豐富的數(shù)據(jù)用于模型訓練；隨后解決水體多樣性的挑戰(zhàn)，需要利用編碼器分離出與水...

2019-08-02 標簽：編碼器圖像數(shù)據(jù)集 5991 0

人臉識別產(chǎn)品設計，AI產(chǎn)品經(jīng)理需要了解的實戰(zhàn)干貨

獲取圖像的方式有兩種，第一種是直接從源頭獲取，通過對接前端各類相機、NVR錄像存儲等設備。第二種是間接獲取，包含網(wǎng)上的開源數(shù)據(jù)集、第三方企業(yè)單位提供、用...

2019-08-02 標簽：圖像人臉識別數(shù)據(jù)集 4876 0

基于深度學習的推薦算法大部分都存在不同程度的數(shù)據(jù)集缺失和源碼缺失

不同工作采用的數(shù)據(jù)集，驗證方法，性能指標，數(shù)據(jù)預處理步驟都不同，這使得性能對比很困難，無法確定哪個工作在相同的應用環(huán)境中表現(xiàn)最好。而且很多工作不開源數(shù)據(jù)...

2019-08-02 標簽：數(shù)據(jù)集深度學習自然語言處理 4119 0