一亩三分地很多资料表明，通过文本数据增强也能够增强模型的分类性能。本篇文章总结几种文本数据增强的方法： 马尔科夫链文本增强 百度回译数据增强 EDA 数据增强 1. 数据信息简单展示 接下来演示使用的数据为 json 格式，其共有...
很多资料表明，通过文本数据增强也能够增强模型的分类性能。本篇文章总结几种文本数据增强的方法： 马尔科夫链文本增强 百度回译数据增强 EDA 数据增强 1. 数据信息简单展示 接下来演示使用的数据为 json 格式，其共有...
提到目标检测，我们几乎都是从 R-CNN 开始，这篇文章就对 R-CNN 做一个简单的了解。要内容来自 Paper 《Rich feature hierarchies for accurate object detect...
PyTorch 中提供了 BCELoss 和 BCEWithLogitsLoss 两个用于计算二分类交叉熵损失的函数。两者的区别如下： BCELoss 要求输入的 logits 必须在 (0-1) 之间，所以需要先进行 ...
ELECTRA（Efficiently Learning an Encoder that Classifies Token Replacements Accurately）是一种用于自然语言处理（NLP）的预训练模型，旨...
多分类交叉熵是我们经常使用的一种损失函数，这篇文章总结下关于多分类交叉熵的一些小点，主要有： 1. 整数标签 其中： 示例代码： 程序输出结果： 2. 浮点数标签 在 Pytorch 1.10 版本之前，CrossEnt...
PaddleNLP 库提供了非常简便的文本数据增强实现，主要包括： 并且 WordSubstitute 和 WordInsert 还支持 4 种替换和插入方法： 其中自定词典简单示例如下： 使用示例代码：
模型架构来自论文：https://arxiv.org/pdf/1905.08284.pdf，文章内容主要来自对这篇 Paper 的学习。Relation Classification 是一个重要的 NLP 任务，它主要用...
数据来源：http://www.openkg.cn/dataset/personrelationgraph，该数据集仅仅用来做学习之用。构建的过程主要包括两步： 将数据按照关系存储到 neo4j 数据库中； 输入名字可视...
py2neo 库提供了简便操作 Neo4j 数据库的接口。下面主要是对于结点、标签、属性、关系等操作的一些例子。 1. 结点操作 结点操作主要包括添加、删除、查询结点。添加新的结点可以使用 create、merge 两个...
我们在使用 Neo4j 图数据库时，经常会接触到结点、关系、属性、标签等概念。结点是描述对象的实体，类似于面向对象中一个实例化出来的对象。对象内部的实际数据我们用属性来描述。 我们都知道对象是有类型的，类型可以用标签来描...
Ignite 是一个可以帮助我们在 PyTorch 中训练和评估神经网络的高级库。简单来讲，使用该训练库可以让我们的训练代码更加简洁，灵活。工具的安装命令如下： Ignite 中主要有以下 4 个重要概念： Engine...
书接上回，上篇文章介绍了 7 种学习率的调整策略，PyTorch 1.11 版本中共有 14 种，本篇文章接着介绍剩下的 7 种学习率调整策略。 lr_scheduler.CosineAnnealingLR lr_sch...
torch.optim.lr_scheduler 提供了动态调整学习率的方法。在使用的时， Learning Rate Scheduler 一般在优化器的更新参数之后调用。另外，我们也可以在程序中使用多个 schedul...
冀公网安备13050302001966号
最新评论