NLP-Models-Tensorflow:收集针对NLP问题的机器学习和Tensorflow深度学习模型,1.13 <Tensorflow <2.0-源码

上传者: 42116705 | 上传时间: 2021-02-03 09:37:05 | 文件大小: 36.31MB | 文件类型: ZIP
NLP-Models-Tensorflow ,针对NLP问题收集机器学习和tensorflow深度学习模型, Jupyter Notebooks内部的代码简化了100% 。 目录 目的 原始的实现非常复杂,并且对初学者并不友好。 因此,我尝试简化其中的大部分内容。 此外,还有大量尚未发布的文件实施。 因此,随时将其用于您自己的研究! 我将为我没有从头实现的模型附加github存储库,基本上,我会针对不赞成使用的问题复制,粘贴和修复​​这些代码。 Tensorflow版本 仅Tensorflow版本1.13及更高版本,不包括2.X版本。 1.13 <Tensorflow <2.0 pip install -r requirements.txt 内容 接受培训。 精度仅基于10个历元,使用单词位置计算得出。 完整列表(12个笔记本) LSTM Seq2Seq使用主题建模,测试精度为13.22% LSTM Seq2Seq + Luong注意事项使用主题建模,测试准确性为12.39% 采用主题建模的LSTM Seq2Seq + Beam Decoder,测试精度为10.67%

文件下载

资源详情

[{"title":"( 488 个子文件 36.31MB ) NLP-Models-Tensorflow:收集针对NLP问题的机器学习和Tensorflow深度学习模型,1.13 &lt;Tensorflow &lt;2.0-源码","children":[{"title":"13.dilated-cnn-beam.ipynb <span style='color:#111;'> 59.17KB </span>","children":null,"spread":false},{"title":"5.word-generator-lstm-embedding.ipynb <span style='color:#111;'> 53.46KB </span>","children":null,"spread":false},{"title":"4.word-generator-lstm.ipynb <span style='color:#111;'> 49.78KB </span>","children":null,"spread":false},{"title":"12.gru-seq2seq-bahdanau-greedy-word.ipynb <span style='color:#111;'> 70.47KB </span>","children":null,"spread":false},{"title":"10.gru-seq2seq-beam-word.ipynb <span style='color:#111;'> 53.08KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明