本课件是对论文 BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding 的导读与NLP领域经典预训练模型 Bert 的详解，通过介绍NLP领域对通用语言模型的需求，引入 Bert 模型，并对其架构进行宏观微观的解读，然后详细介绍 Bert 每预训练阶段采用的两个任务，以及常见的微调下游任务场景。最后通过可视化的方式，给出 Bert 在向量表征上的优势所在。
2024-05-01 14:14:23
3.03MB
1
CVPR2019: Occupancy Networks: Learning 3D Reconstruction in Function Space
onet_img2mesh_3-f786b04a.pt
2024-04-30 20:56:10
153.66MB
1
Wav2lip预训练模型，包含人脸检测模型、wav2lip生成模型、wav2lip_gan生成模型、wav2lip判别模型等，使用此模型通过音频驱动视频，生成最终的嘴型与语音的匹配
2024-04-08 13:17:50
973.73MB
1
1、修改模型路径（下载到你电脑上的路径）
2、文件 data 路径下，支持 Excel（需要预测的列名为 “sent”）。
3、运行 sentiment.py，生成结果在 result 文件夹。
2024-03-11 22:16:33
16KB
1
swin transformer 预训练模型swin_large_patch4_window12_384_22kto1k.pth
2023-12-27 16:40:16
763.6MB
1
包含swin_base_patch4_window7_224.pth、swin_small_patch4_window7_224.pth、swin_tiny_patch4_window7_224.pth
2023-11-24 14:10:44
590.71MB
1