NLP-study
记录做过的NLP任务,包含但不限于文本分类，关系分类，命名实体识别，文本摘要，文本生成等，基于tensorflow2.0或者pytorch框架。
2024-01-12 21:57:28
83.48MB
1
具有递归神经网络的文本生成
使用基于特征的RNN进行文本生成。 我们使用安德烈·卡帕蒂（Andrej Karpathy）的莎士比亚作品集。 给定来自此数据的字符序列（“莎士比亚”），训练模型以预测序列中的下一个字符。 通过重复调用模型，可以生成更长的文本序列。
模型的输出
以下是本教程中的模型训练了30个纪元并以字符串“ Q”开头时的示例输出：
奎妮：我以为你有罗马人。 Oracle这样，使所有人都反对这个词，因为他的照顾太弱了。 您的孩子们在您的圣洁的爱中，通过流血的宝座沉淀。
伊丽莎白·比什普（Bishop of Ely）：我的主，嫁给并愿意哭泣，这是最漂亮的。 然而，现在我被世界可悲的一天收为继承人，要和他父亲一起面对面观看新路吗？
埃斯卡洛斯：为什么我们都下了更多儿子的原因。
卷：不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，这是没
2023-04-17 22:59:21
70KB
1
今天给大家带来一个文本生成图像的案例。让大家都成为艺术家，自己电脑也能生成图片 ，该模型它能让数十亿人在几秒钟内创建出精美的艺术。
Stable Diffusion模型包括两个步骤：
前向扩散——通过逐渐扰动输入数据将数据映射到噪声。这是通过一个简单的随机过程正式实现的，该过程从数据样本开始，并使用简单的高斯扩散核迭代地生成噪声样本。此过程仅在训练期间使用，而不用于推理。
参数化反向——撤消前向扩散并执行迭代去噪。这个过程代表数据合成，并被训练通过将随机噪声转换为真实数据来生成数据。
2023-04-05 16:25:07
1.33MB
1
文本生成keras
使用CNN和GRU层的Keras文本生成实现
2023-02-16 18:21:26
96KB
1
CommonGen：面向生成常识推理的受限文本生成挑战
@article{lin2019comgen,
author = {Bill Yuchen Lin and Wangchunshu Zhou and Ming Shen and Pei Zhou and Chandra Bhagavatula and Yejin Choi and Xiang Ren},
title = {CommonGen: A Constrained Text Generation Challenge for Generative Commonsense Reasoning},
journal = {Findings of EMNLP},
year = {2020}
}
CommonGen是一个新的受约束文本生成数据集，它需要不同种类的常识来生成有关日常场景的句子，并因此针对生成型
2023-02-12 14:58:03
32.37MB
1
文本生成
只需几行代码，即可在任何文本数据集上轻松训练您自己的任意大小和复杂度的文本生成神经网络，或使用预先训练的模型快速训练文本。
textgenrnn是上的顶部一个Python 3模块 / 用于创建 S，与许多凉爽特性：
一种现代神经网络体系结构，利用新技术进行注意力加权和跳过嵌入，以加快训练速度并提高模型质量。
在字符级别或单词级别上训练并生成文本。
配置RNN大小，RNN层数以及是否使用双向RNN。
训练任何通用输入文本文件，包括大文件。
在GPU上训练模型，然后使用它们与CPU生成文本。
在GPU上进行训练时，利用功能强大的RNN的CuDNN实现，与典型的LSTM实现相比，可大大缩短训练时间。
使用上下文标签训练模型，从而使其在某些情况下可以更快地学习并产生更好的结果。
您可以在此免费玩textgenrnn并使用GPU训练任何文本文件！ 阅读或以获取更多信息！
2023-01-11 15:20:49
9.42MB
1
主要介绍了python根据文本生成词云图代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2023-01-01 14:12:02
179KB
1
这是FID预训练好的模型，针对coco的文本生成图像定量指标训练好的模型
复现步骤请看：https://blog.csdn.net/air__Heaven/article/details/124751665
CUB-Bird的FID预训练好的模型，请看：https://download.csdn.net/download/air__Heaven/85362542
2022-12-05 11:28:49
30.57MB