TCN-with-attention:基于字符的时间卷积网络+注意层-源码

上传者: 42131628 | 上传时间: 2021-09-14 19:21:06 | 文件大小: 16KB | 文件类型: ZIP
TCN关注 带有关注层的时间卷积网络 模型的概念主要类似于 。 但是在此模型中,注意力层位于卷积层的每个顶层。 并且注意大小与SNAIL不同。 结果 数据集:无需预处理的 关注:0.82 无注意:0.81 我对结果的看法 agnews上的大多数简单模型都显示出0.81的精度。 (在 ,“ 上进行了测试,并使用了基于单词的嵌入) 因此,基于字符的模型具有0.82的准确性似乎是值得的。

文件下载

资源详情

[{"title":"( 9 个子文件 16KB ) TCN-with-attention:基于字符的时间卷积网络+注意层-源码","children":[{"title":"TCN-with-attention-master","children":[{"title":"results","children":[{"title":"without_attention.txt <span style='color:#111;'> 21.05KB </span>","children":null,"spread":false},{"title":"with_attention.txt <span style='color:#111;'> 21.08KB </span>","children":null,"spread":false}],"spread":true},{"title":"kor_char_parser.py <span style='color:#111;'> 2.71KB </span>","children":null,"spread":false},{"title":"main.py <span style='color:#111;'> 6.02KB </span>","children":null,"spread":false},{"title":"dataset.py <span style='color:#111;'> 1.88KB </span>","children":null,"spread":false},{"title":"tcn.py <span style='color:#111;'> 4.49KB </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 841B </span>","children":null,"spread":false},{"title":"data","children":[{"title":".gitkeep <span style='color:#111;'> 0B </span>","children":null,"spread":false}],"spread":true},{"title":".gitignore <span style='color:#111;'> 11B </span>","children":null,"spread":false}],"spread":true}],"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