深度学习实验室 字符测试。 seq2seq测试。 word2vec测试。 交叉熵检验。 双向rnn测试。 图片上的卷积运算。 图片上的合并操作。 cnn可视化的颤抖。 InceptionV3模型。 转移学习。

seq2seq对联生成的数据集，包含搜狗预训练数据，用于生成对联，相关代码上传github中，地址https://github.com/zhangzhiqiangccm/NLP-project

chatbot_seq2seq

chatbot • • • • • Made by ximing Xing • :milky_way: 智能聊天机器人作为自然语言处理的一个重要分支，是目前最火热也最具挑战的研究方向，它对于促进人机交互方式的发展有着重要的意义。 本项目基于Encoder-decoder模型，以及在此基础上完成的聊天机器人系统。 最后，给出了参考的开源代码以及可使用的数据以供读者使用 本项目可用作学习使用或毕业设计，相关问题可与我联系。 Open Source runs on love, laughter and a whole lot of coffee. Consider buying me one if you find this content useful :hot_beverage::winking_face:. :clipboard: 快速开始 - Getting Started 执行cd chatbot -- cd to the

PyTorch中seq2seq模型的一个框架

Seq2Seq-PyTorch 使用PyTorch的序列到序列实现 安装 克隆项目，进入项目目录并执行 python setup.py install 或者 pip install ./ 或简单地复制源代码。 推荐使用pip install ./ ，因为您可以先激活虚拟环境，然后再在该环境中安装软件包，而不会影响其他环境。 用法 使用之前，将seq2seq文件夹作为软件包安装或复制到项目目录。 看 一些功能 Trainer支持，尽管内存有限，但可以实现更大（等效）的批处理大小。 去做 支持光束搜索。 修理trainer 。 保存培训检查点时， trainer不会保存最佳时期模型。 因此，如果继续训练，则完成后保存的最佳时期实际上不是整个训练阶段的最佳时期，而是检查点之后的最佳时期。 （不知道培训师是否应在每个检查点保存最好的模型，这会使检查点文件变大。） （不确定是否有必要。）

PyTorch实现的轻量seq2seq文本摘要

港口进出口货物吞吐量是反映港口业务状况的重要指标，其准确预测将给港口经营管理人员进行决策提供重要的依据.利用机器翻译领域的Seq2Seq模型，对影响港口进出货物量的多种因素进行建模.Seq2Seq模型可以反映进出口货物量在时间维度上的变化规律，并且可以刻画天气、节假日等外部因素的影响，从而进行精准预测.Seq2Seq模型包含两个由循环神经网络（LSTM）组成的编码器和解码器，能够捕捉长短期时间范围内集装箱变化趋势，可以根据历史进出口货物量预测未来一段时间的货物量信息.在真实的天津港进出口集装箱数据集上进行了实验，结果表明Seq2Seq模型的深度学习预测方法效果优于传统的时间序列模型以及其他现有的机器学习预测模型.

轨迹预测 使用机器学习算法（例如lstm，seq2seq等）预测船只轨迹的python框架。

torch-seq2seq-attention, GRU递归和注意的seq2seq机器翻译的Torch 实现 torch-seq2seq-attention这是对神经机器翻译的一个轻微的修改，通过联合学习来调整和翻译。 模型这里模型基于 torch-seq2seq 。 模型中，递归编码器输出末端( 代表整个句子)的单个矢量，解码器从那