- 博客(100)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 [oneAPI] 基于BERT预训练模型的SWAG问答任务
在Intel® DevCloud for oneAPI平台上，我们搭建了实验环境，充分发挥其完全虚拟化的优势，使我们能够专注于模型开发和优化，无需过多关心底层配置和维护工作。为了进一步提升我们的实验效果，我们充分利用了Intel® Optimization for PyTorch，将其应用于我们的PyTorch模型中，从而实现了高效的优化。这一优化策略不仅提升了模型的训练速度和推断性能，还使模型在英特尔硬件上的表现更加卓越，从而加速了实验的整体进程。在这里，我们使用到的也是论文中所提到的。
2023-08-22 23:46:00
787
原创 [oneAPI] 基于BERT预训练模型的SQuAD问答任务
[oneAPI] 基于BERT预训练模型的SQuAD问答任务Intel® Optimization for PyTorch and Intel® DevCloud for oneAPI基于BERT预训练模型的SQuAD问答任务语料介绍数据下载构建模型结果参考资料比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517Intel® DevCloud for oneAPI：https://devcloud.intel.com/onea
2023-08-22 23:13:40
1040
原创 [oneAPI] 基于BERT预训练模型的英文文本蕴含任务
在这里，我们使用到的是论文中所提到的MNLI（The Multi-Genre Natural Language Inference Corpus,多类型自然语言推理数据库）自然语言推断任务数据集。也就是给定前提（premise）语句和假设（hypothesis）语句，任务是预测前提语句是否包含假设（蕴含, entailment），与假设矛盾（矛盾，contradiction）或者两者都不（中立，neutral）。
2023-08-22 22:29:00
1323
原创 [oneAPI] 基于BERT预训练模型的命名体识别任务
一个中文命名体识别数据集1 涂 B-PER2 伊 I-PER3 说 O4 ， O5 如 O6 果 O7 有 O8 机 O9 会 O10 他 O11 想 O12 去 O13 黄 B-LOC14 州 I-LOC15 赤 B-LOC16 壁 I-LOC17 看 O18 一 O19 看 O20！O其中每一行包含一个字符和其对应的所属类别，B-表示该类实体的开始标志，I-表示该类实体的延续标志。例如对于13-16行来说其对应了“黄州”和“赤壁”这两个实体。
2023-08-21 18:55:59
395
原创 [oneAPI] 使用Bert进行中文文本分类
将输入进来的文本序列tokenize到字符级别。对于中文语料来说就是将每个字和标点符号都给切分开。4 print(tokenizer("青山不改，绿水长流，我们月来客栈见！"))5 print(tokenizer("10年前的今天，纪念5.12汶川大地震10周年"))67 # ['青', '山', '不', '改', '，', '绿', '水', '长', '流', '，', '我', '们', '月', '来', '客', '栈', '见', '！']
2023-08-20 11:34:26
481
原创 [oneAPI] 使用字符级 RNN 生成名称
通过这些优化策略，我们的模型在训练和推断过程中变得更加敏捷和高效，显著地减少了计算时间，提高了整体效能。具体来说，我们会提供一个词的开头作为提示，然后模型将能够根据这个开头生成对应语言的名称，从而将不同语言的词意和语法特征进行完美融合。{language: [names …通过学习并融合不同语言的词义和语法特征，我们让使模型具备更广泛的应用潜力，能够在不同语境下生成准确、符合语法规则的名称。此任务的独特之处在于，它旨在综合学习多种语言的词义特征，以确保生成的内容与各种语言的词组相关性一致。
2023-08-19 22:34:28
586
原创 [oneAPI] 使用序列到序列网络和注意力进行翻译
序列到序列网络，或 seq2seq 网络，或编码器解码器网络，是由两个称为编码器和解码器的 RNN 组成的模型。编码器读取输入序列并输出单个向量，解码器读取该向量以产生输出序列。
2023-08-18 01:32:37
159
原创 [oneAPI] Neural Style Transfer
VGGNet是一个经典的深度卷积神经网络架构，由牛津大学的研究团队提出，用于图像分类和识别任务。VGGNet以其简单而有效的结构在计算机视觉领域取得了显著的成就，成为了深度学习研究的重要里程碑之一。VGGNet的特点在于其深层的网络结构，通过多个小尺寸的卷积核和池化层的堆叠，达到了很强的特征提取能力。其标准结构包括数个卷积层，之后是池化层，最后是全连接层。VGGNet在图像分类竞赛中取得了优异的表现，其简单的结构和深层次的特征提取使得它成为了其他网络架构的基础。
2023-08-17 20:36:56
149
原创 [oneAPI] 手写数字识别-VAE
比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517
2023-08-17 13:28:39
203
原创 [oneAPI] 手写数字识别-GAN
比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517。
2023-08-17 12:54:47
220
原创 [oneAPI] 手写数字识别-BiLSTM
比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517。
2023-08-16 23:35:12
473
原创 [oneAPI] 手写数字识别-LSTM
比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517。
2023-08-16 17:44:40
634
原创 [oneAPI] 图像分类CIFAR-10
比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517。
2023-08-16 17:12:21
104
原创 [oneAPI] 手写数字识别-卷积
比赛：https://marketing.csdn.net/p/f3e44fbfe46c465f4d9d6c23e38e0517。
2023-08-16 11:10:31
90
原创 线性代数的本质（第二部分）
线性代数的本质七到九章+补充两章：基变换；特征值与特征向量；抽象向量空间；克莱姆法则几何解释；计算二阶矩阵特征值的妙计
2021-12-05 01:18:15
1379
原创 Spark简单编程与相关简单函数使用
Spark简单编程与函数：mapValues(func)；reduceByKey(func)；groupByKey()
2021-07-03 00:55:15
411
1
原创 MR (key,value)排序, hadoop.Spark.sql的join操作
MR (key,value)排序数据库joinhadoop joinMap JoinReduce Joinhash join算法value排序
2021-04-26 00:24:19
299
原创 对PAT中不能使用gets函数的解决方法 与 while(~scanf(“%c“,&c))
对PAT中不能使用gets函数的解决方法 while(~scanf("%c",&c))
2021-03-15 22:05:14
1038
原创 卷积神经网络(CBAPD) --- Tensorflow2实现(LeNet，AlexNet，VGGNet，InceptionNet，ResNet)
CBAPD，LeNet，AlexNet，VGGNet，InceptionNet，ResNet
2021-03-06 21:14:21
1649
1
原创 git相关操作
1. 使用git创建版本仓库2. 版本创建3. 查看版本记录4. 版本回退5. 查看操作的记录6. 工作区，暂存区，版本库7. 撤销修改8. 对比文件不同9. 删除文件10. 创建分支与合并分支11. Github使用
2021-01-06 19:46:11
192
计算机组成原理.png
2020-06-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人