facenet预训练模型

BERT 、GPT 等大规模预训练模型（PTM）近年来取得了巨大成功，成为人工智能领域的一个里程碑。由于复杂的预训练目标和巨大的模型参数，大规模 PTM 可以有效地从大量标记和未标记的数据中获取知识。

训练数据来自https://xueqiu.com，为中文。正样本（pos）：6873条，负样本（neg）：3591条； 使用albert_chinese_small，参数全调，epoch=10，lr=0.001，准确率97%； 使用albert_chinese_small只调节原始模型的一层，一层密集与后接的两层密集，epoch=30，lr=0.004，准确率92%；

基于中文预训练的安全事件实体识别研究 安全运营 安全防御 云安全 移动安全 解决方案

无规范化网络和SGD的Tensorflow实现-自适应梯度剪切 论文： : 原始代码： : 安装及使用 我建议使用Docker运行代码： docker build -t nfnets/imagenet:latest --build-arg USER_ID=$(id -u) --build-arg GROUP_ID=$(id -g) . 要在imagenet数据集上训练NFNet，请执行以下操作： docker run --rm -it --gpus all -v $(pwd):/tf -p 8889:8888 -p 6006:6006 nfnets/imagenet:latest python train.py --variant F0 --batch_size 4096 --num_epochs 360 请参阅train.py模块以获取更多参数。 预先训练的权重已转换为

该资源为caffe框架训练出来的以googlenet特征识别网络加上imagenet数据集的预训练模型，可以预测1000个分类图片，

哈工大的那本书，很好的一本书。 html/website/markdown 格式请查阅本人博客：https://zenmoore.github.io

云原声时代，视觉预训练大模型：探索与实

腾讯TEG NLP中文预训练模型探索与应用

预训练模型专题_GPT2_模型代码学习笔记-附件资源