WordGCN 使用图卷积网络在词嵌入中整合句法和语义信息 WordGCN概述 SynGCN概述：SynGCN使用图卷积网络来利用依赖上下文学习单词嵌入。 对于词汇表中的每个单词，该模型旨在通过基于使用GCN编码的依存关系上下文预测每个单词来学习其表示形式。 请参阅本文的第5节以获取更多详细信息。 依存关系 与TensorFlow 1.x和Python 3.x兼容。 可以使用requirements.txt安装依赖项。 pip3 install -r requirements.txt 安装用于评估学习的嵌入的。 可以从此下载本文中使用的测试和有效数据集拆分。 用提供的文件夹替换原始的~

关系提取中的位置感知注意力RNN模型 此存储库包含PyTorch代码，用于纸上的。 TACRED数据集：有关TAC关系提取数据集的详细信息可以在上找到。 要求 Python 3（在3.6.2上测试） PyTorch（在1.0.0上测试） 解压缩，wget（仅用于下载） 制备 首先，从斯坦福大学网站下载和解压缩GloVe载体，方法如下： chmod +x download.sh; ./download.sh 然后使用以下方法准备词汇和初始单词向量： python prepare_vocab.py dataset/tacred dataset/vocab --glove_dir data

The C programming language（英文版）是C程序设计语言的英文原版，是C语言之父的杰出作品。

最好的go语言书籍，go语言圣经，Go程序设计语言，mobi版

Many of the designations used by manufacturers and sellers to distinguish their products are claimed as trademarks. Where those designations appear in this book, and the publisher was aware of a trademark claim, the designations have been printed with initial capital letters or in all capitals.

能够找到的关于MIPS的书少之又少，直接介绍MIPS汇编编程的书更是少的可怜，这本书的确值得学习，而且短短的100来页，甚至可以放在手边作为最直接的参考手册。

TASKING C 编译器中 关于链接器脚本语言的使用相关建议。建议在了解了一定的 LSL 语法规则后来使用。

这是一个相对简单但又十分吸引人的机器学习项目。 在 Python 中使用卷积神经网络构造模型，可以识别手势并将其转换为机器上的文本。 该项目存储库的作者用 Tensorflow 和 Keras 共同搭建了 CNN 模型，他特别详细地说明了他是怎么创建这个项目的，以及每一步是怎么进行的。

The P4 Language Specification.pdf

The Go Programming Language 英文版 Brian W. Kernighan / Alan Donovan