手写版详细
2022-10-27 14:04:16 35.42MB
1
自然语言处理的文本预处理 用于自然语言处理中的文本预处理任务的python软件包。 用法 要使用这个文本预处理包,首先使用 pip 安装它: pip install text-preprocessing 然后,在您的 python 脚本中导入包并调用适当的函数: from text_preprocessing import preprocess_text from text_preprocessing import to_lower , remove_email , remove_url , remove_punctuation , lemmatize_word # Preprocess text using default preprocess functions in the pipeline text_to_process = 'Helllo, I am John Doe
1
动手学深度学习(D2L深度学习) | 理解深度学习的最佳方法是学以致用。 本开源项目代表了我们的一种尝试:我们将教给读者概念,背景知识和代码;我们将在同一个地方分解剖析问题所需的批判性思维,解决问题所需的数学知识,以及实现解决方案所需的工程技能。 我们的目标是创造一个为实现以下目标的统一资源: 所有人在网上免费获取; 提供足够的技术深度,从而帮助读者实际成为深度学习应用科学家:既理解数学原理,又能够实现并不断改进方法; 包括可运行的代码,为读者展示如何在实际中解决问题。这样直接直接将数学公式对应成实际代码,而且可以修改代码,观察结果并及时获取经验; 允许我们和整个社区不断快速迭代内容,从而紧跟仍在高速发展的深度学习领域; 由包含有关技术细节问答的论坛作为补充,使大家可以相互相互答疑并交换经验。 将本书(中英文版)利用教材或参考书的大学 如果本书对你有帮助,请星级(★)本仓库或引用本书英文版: @book{zhang2020dive, title={Dive into Deep Learning}, author={Aston Zhang and Zachary C.
1
《计算机网络:自顶向下方法》第七版课后习题答案详解
2022-10-26 09:05:06 8.79MB 计算机网络
1
a good book for anyone doing game ai, a must have part 3
2022-10-25 15:05:14 10.89MB ai programming wisdom part
1
The OpenGL ES Shading Language is based on the OpenGL Shading Language. This document restates the relevant parts of the GLSL specification and so is self-contained in this respect
2022-10-24 13:09:50 624KB unity shader glsl
1
得来的完整原版pdf,共361页,不是图片版,有索引,自然语言入门神书,豆瓣评分9.1
2022-10-24 01:27:17 6.46MB deeplearning NLP 深度学习
1
欣快编程语言 欣快感是一种功能强大但易于学习且易于使用的编程语言。 它具有简单的语法和具有一致规则的结构,并且易于阅读。 您可以毫不费力地快速开发适用于Windows和UNIX变体(Linux,FreeBSD和OS X)的大小应用程序。 Euphoria最早是在1993年以共享软件的形式发布的。如今,Euphoria被作为由社区驱动和维护的开源项目进行开发。 它使用简单的英语单词而不是标点符号和符号,使您可以快速阅读并理解源代码。 Euphoria是具有大型标准库的通用编程语言,可用于各种任务。 请自己阅读一些示例代码。 该语言已发展成为一种复杂的工具,可用于开发Web和控制台应用程序,并支持各种纯本机和跨平台GUI工具箱。 欣快感是周围最快的解释语言之一。 为了获得更快的速度和更容易的分发,Euphoria还包括一个集成的Euphoria-to-C转换器。 Euphoria提供下标
1
qthelp://org.qt-project.qtwidgets.5141/qtwidgets/model-view-programming.html
2022-10-23 09:06:13 1.38MB qt编程资料
1
修剪后的依赖树上的图卷积用于关系提取 此回购包含PyTorch代码,用于修剪。 本文/代码在修剪的依赖树上引入了图卷积神经网络(GCN),用于关系提取的任务。 还引入了一种特殊的树修剪技术,称为“以路径为中心的修剪”,以从树中消除不相关的信息,同时最大程度地维护相关信息。 与诸如各种基于LSTM的模型之类的序列模型相比,此GCN模型利用依赖结构桥接远程单词,因此提高了远程关系的性能。 与以前的递归模型(如TreeLSTM)相比,此GCN模型在获得更好的性能的同时,也更早地实现了并行化,因此效率更高。 参见下面的模型架构概述: 要求 Python 3(在3.6.5上测试) PyTorch(
1