朴素人工智能

LV0
发表了文章

模型上线不用愁,批量推理来加油

作为一个算法工程师,在日常工作中难免会碰到模型上线的问题。对于一些要求不高的场合,简单找一个web框架实现一下接口就能搞定:对于每个用户请求,调用模型得到结果再...

朴素人工智能
发表了文章

Meta Learning 4: 基于优化的方法

相比较机器学习模型需要大量的标注数据进行训练,人类学习新知识和新技能的过程要更快更高效。

朴素人工智能
发表了文章

Meta Learning 3: 少样本文本分类 InductionNet

动态路由,就是将低层胶囊按照特定权重加权映射到上层的胶囊的一种方法,而其核心,其实是一种带权重加权的mean pooling。在InductionNet中具体的...

朴素人工智能
发表了文章

Meta Learning 2: 更多基于度量的方法

接着系列文章上一篇Meta Learning 1: 基于度量的方法介绍的孪生网络Siamese Network模型,本篇继续介绍更多基于度量的Meta Lear...

朴素人工智能
发表了文章

如何简单理解Google 1.6万亿参数的Switch Transformer论文?

Switch Transformer 可以理解成一种如何在训练基于MOE (Mixture of Experts) 的巨模型时“偷工减料”的技巧,但这种“偷工减...

朴素人工智能
发表了文章

Meta Learning 1: 基于度量的方法

普通的机器学习目前在学习具体任务的问题上可以达到很好的效果,比如车载场景的意图分类任务(导航,听音乐,查天气,打电话)。如果有足够的高质量的标注数据,可以训练出...

朴素人工智能
发表了文章

[机器学习基础二] 深度学习优化器一览

Hello大家好,本期将和大家一起分享和讨论一下深度学习中的一个基础组件:Optimizer,也就是优化器。这是一个在炼丹过程中容易被忽视,但其实又非常重要的组...

朴素人工智能
发表了文章

[机器学习基础一] 深度学习损失函数小结

2020这个充满变化的不平凡的一年过去了,孕育着希望和机遇的2021即将到来,在此祝愿所有朋友幸福美满,蒸蒸日上,心想事成,欢喜如意,新年快乐!

朴素人工智能
发表了文章

E-BERT,电商领域语言模型优化实践

最近跟几个做电商NLP的朋友们聊天,有不少收获。我之前从来没想过【搜索】在电商里的地位是如此重要,可能GMV的50%以上都是从搜索来的。巨大的经济价值也极大地推...

朴素人工智能
发表了文章

【从0构建领域知识图谱】本体定义

人工智能的发展,在过去几十年起起落落。在算力和数据不是瓶颈的今天,基于深度学习的信号处理、语音识别、机器视觉等感知智能成为当前 AI 的主流路线。

朴素人工智能
发表了文章

论文阅读:对抗训练(Adversarial Training)

对抗训练(adversarial training)是增强神经网络鲁棒性的重要方式。在对抗训练的过程中,样本会被混合一些微小的扰动(改变很小,但是很可能造成误分...

朴素人工智能
发表了文章

十分钟了解受控文本生成 1

关于文本生成的话题聊得比较少,印象中我们之前只有一期多轮问句改写涉及到了文本生成,受控文本生成就更少了。

朴素人工智能
发表了文章

10分钟理解Focal loss数学原理与Pytorch代码(翻译)

原文链接:https://amaarora.github.io/2020/06/29/FocalLoss.html

朴素人工智能
发表了文章

pytorch中文语言模型bert预训练代码

ACL2020 Best Paper有一篇论文提名奖,《Don’t Stop Pretraining: Adapt Language Models to Dom...

朴素人工智能
发表了文章

挑战真实场景对话——小爱同学背后关键技术深度解析

本文来自PaperWeekly和biendata组织的企业AI技术实战讲座。作者为小米人工智能部的崔世起,崔老师以著名的“小爱同学”为实例,详细介绍了全双工关键...

朴素人工智能
发表了文章

Kaggle Tweet Sentiment Extraction 第七名复盘

这是前段时间结束的Kaggle比赛,之前在GDG的Kaggle meetup直播里我也有提到过,最终我们队获得了第七名,这篇文章分享一下我的参赛收获和感受。

朴素人工智能
发表了文章

图文并茂!字符串匹配之Sunday、KMP和BM算法入门级讲解

字符串的模式匹配是NLP领域的基础任务,可以帮助我们在大量的文本内容中快速找到需要的文本信息,比如在文章中搜索关键词的位置和数量。

朴素人工智能
发表了文章

大脑如何处理认知冲突?几个有趣的脑科学实验分析。

请你尝试阅读下图中每个字代表的颜色(也即其本身的词义),是不是觉得比较简单?接下来,请再尝试着读一读下图每个字的字体的颜色(注意:不是阅读词义)。在此过程中你有...

朴素人工智能
发表了文章

[预训练语言模型专题] SpanBERT: 抽取式问答的利器

感谢清华大学自然语言处理实验室对预训练语言模型架构的梳理,我们将沿此脉络前行,探索预训练语言模型的前沿技术,红框中为已介绍的文章,绿框中为本期介绍的模型,欢迎大...

朴素人工智能
发表了文章

跨模态语言模型

今天聊一聊近年来挺火的“多模态”任务。其实这不是我们第一次聊到多模态了,之前发的Kaggle PetFinder比赛方案其实就在解决一个多模态预测的问题。准确地...

朴素人工智能

个人简介

个人成就

扫码关注云+社区

领取腾讯云代金券