tf-gpt-2
使用Tensorflow的GPT-2文本模型的Java库
来源：
更多背景：
基本用法
导入库
< dependency>
< groupId>com.simiacryptus
< artifactId>tf-gpt-2
< version>1.7.1
实例化文本生成器
import com.simiacryptus.text.TextGenerator ;
import com.simiacryptus.text.gpt2.GPT2Util ;
TextGenerator textGenerator = GPT2Util . get345M();
产生文字
System . out . println(textGenerat
2023-02-12 23:48:49
50KB
1
包括将txt文件的每个字录入并计算出现次数和计算权重的函数，语料库是大约十万字的66篇论文，tfidf.py中是对文章向量化处理和计算夹角的函数，可以用于文章的分类和论文的查重，由于语料库很少，所以可能结果精度不高。
2023-02-09 15:16:59
7.31MB
1
TensorFlow XNOR-net
到目前为止，该存储库包含3个自定义tensorflow运算符，并提供python接口以将其集成到tensorflow模型中。 请按照“设置”部分中的步骤进行操作，以确保可以使用这些步骤。 希望它不会使您发疯。
设置
首先，您需要与运营商建立共享库。 转到operators目录，然后按照README文件中的步骤进行operators 。 为确保一切正常，请运行：
python3 run_tests.py --all
这将执行所有测试。 要查看测试选项，请运行：
python3 run_tests.py -h
基准测试
基准测试是在NVIDIA GeForce 940MX，2GB GPU上执行的。
已实现的XGEMM与tf.matmul运算符进行了比较。 XGEMM是真正的GEMM（可以乘以任何矩阵，而不仅仅是512的倍数...）。 通过4k输
2023-02-04 19:24:37
233KB
1
keras efficientnet的预训练模型。来自：https://github.com/Callidior/keras-applications/releases/
2023-02-02 19:39:30
42.06MB
1
建立实验环境
1个安装python（2.7）
2安装点：
2.1下载pip
2.2解压缩后，安装指令python setup.py install
2.3 pip升级python -m pip install --upgrade pip
2.4 pip安装扩展包pip install jieba（这里以jieba包为例），如果速度较慢，可转换内部的阿里源，即pip install jieba -i --trusted-host mirrors.aliyun.com
3安装pycharm
4使用GitHub获取代码
4.1安装git
4.2登陆自己的GitHub账号，找到自己的项目，（别人的需要先fork过来，也可以直接git clone xxx，或者直接下载zip包放进pycharm）
4.3：pycharm，首先设置git的位置及github账号，点击Test都通过后继续，依次在菜单栏上单击，从版本控制GitHub上进行VCS检出，登陆自己的账号后选择相应的项目，得到代码。
4.4（更新fork的项目到最新的版本）同步叉子
5 ipython协同开发环境
5.
2022-12-23 21:57:16
76.57MB
1
序数回归
序数回归涉及多标签数据，其中数据标签相对于彼此排序。 作为一名深度学习研究人员，我遇到了序数回归似乎合适的问题设置，但是我还没有找到序数回归方法的Tensorflow实现。 这是我在Tensorflow中建立序数回归方法的尝试，以便可以将其应用于我的研究。
序数阈值
截至目前，我还没有在Tensorflow中找到一种方法来强加有序阈值，因为通过反向传播将其作为模型的参数进行调整时，这些阈值仍然保持不变。 在此期间，我仅将阈值初始化为从特定范围内的均匀分布得出的排序的非递减随机向量。 这些阈值被视为一个常数。 我发现这严重妨碍了模型，但是确实允许模型训练。
2022-12-13 13:50:07
10KB
1