关于 BEIJIN_关键词排名优化力挺〖qq4100506〗 上海江 的搜索结果,共820
l****m 2018-07-10
向量(一)
基于神经网络的模型不需要计算和存储一个在全语料统计产生的大表,而是通过学习语义信息得到向量,因此能很好地解决以问题。在本章里,我们将展示基于神经网络训练向量的细节,以及如何用PaddlePaddle训练一个向量模型。 效果展示 本章中,当向量训练好后,我们可以用数据可视算法t-SNE[4]画出语特征在二维的投影(如下图所示)。从图中可以看出,语义相语(如a, the, these; big, huge)在投影距离很近,语意无(如say, business; decision, japan)在投影的距离很远。 图1. 向量的二维投影 另一方面,我们知道两个向量的余弦值在[−1,1][−1,1]的区间内:两个完全相同的向量余弦值为1, 两个相互垂直的向量之间余弦值为0,两个方向完全相反的向量余弦值为-1,即相性和余弦值大小成正比。
c****2 2018-07-10
个性推荐(一)
深度学习具有秀的自动提取特征的能,能够学习多层次的抽象特征表示,并对异质或跨域的内容信息进行学习,可以一定程度处理个性推荐系统冷启动问题[6]。本教程主要介绍个性推荐的深度学习模型,以及如何使用PaddlePaddle实现模型。 效果展示 我们使用包含用户信息、电影信息与电影评分的数据集作为个性推荐的应用场景。当我们训练好模型后,只需要输入对应的用户ID和电影ID,就可以得出一个匹配的分数(范围[0,5],分数越高视为兴趣越大),然后根据所有电影的推荐得分序,推荐给用户可能感兴趣的电影。 Input movie_id: 1962 Input user_id: 1 Prediction Score is 4.25 模型概览 本章中,我们首先介绍YouTube的视频个性推荐系统[7],然后介绍我们实现的融合推荐模型。 YouTube的深度神经网络个性推荐系统 YouTube是世界最大的视频传、分享和发现网站,YouTube个性推荐系统为超过10亿用户从不断增长的视频库中推荐个性的内容。整个系统由两个神经网络组成:候选生成网络和序网络。
双****4 2018-07-10
向量(三)
整个程序的入口很简单: def main(use_cuda, is_sparse): if use_cuda and not fluid.core.is_compiled_with_cuda(): return params_dirname = "word2vec.inference.model" train( if_use_cuda=use_cuda, params_dirname=params_dirname, is_sparse=is_sparse) infer(use_cuda=use_cuda, params_dirname=params_dirname) main(use_cuda=use_cuda, is_sparse=True) 总结 本章中,我们介绍了向量、语言模型和向量的系、以及如何通过训练神经网络模型获得向量。在信息检索中,我们可以根据向量间的余弦夹角,来判断query和文档这二者间的相性。在句法分析和语义分析中,训练好的向量可以用来初始模型,以得到更好的效果。
疏****月 2018-07-09
线Archer | 百度持续部署的瑞士军刀
干货概览 业务部署(熟称线)是运维领域最常见的业务类型,主要涉及线代码变更、配置文件变更(数据变更由于其高频、大量的特点,我们已在数据传输文章《嗖的一下,让数据自动生效》中专门讨论过)。一般的业务线具有不定时操作、业务部署情况复杂、单机启停策略复杂等特点。在手工运维时代,运维人员需要花费大量精进行此类重复性工作,且易于出错。从公布的数据显示,Google 70%的生产事故由线变更触发,如何减少变更过程中人为误操作,提供一个灵活、稳定的部署系统是运维平台研发人员所亟需解决的问题。 基本介绍 在运维自动的大潮下,百度运维管理平台Noah发布了一线部署系统——Archer。Archer致于提供一套产品线全过程的可迁移发布解决方案,实现一完成机器初始、服务部署、添加模块监控、添加CT任务、动态数据文件的分发等全过程的自动操作。在操作方面,Archer提供了命令行工具作为发起一次线的操作入口,这种设计模式也决定了其易于集成的特点。在DevOps流水线作业中,Archer可以作为一个环节结合进整条测试发布流水线中。
用****在 2018-07-10
向量(二)
我们在文中已经讲到用条件概率建模语言模型,即一句话中第tt个的概率和该句话的前t−1t−1个。可实际越远的语其实对该的影响越小,那么如果考虑一个n-gram, 每个都只受其前面n-1个的影响,则有: P(w1,...,wT)=∏t=nTP(wt|wt−1,wt−2,...,wt−n+1)P(w1,...,wT)=∏t=nTP(wt|wt−1,wt−2,...,wt−n+1) 给定一些真实语料,这些语料中都是有意义的句子,N-gram模型的目标则是最大目标函数: 1T∑tf(wt,wt−1,...,wt−n+1;θ)+R(θ)1T∑tf(wt,wt−1,...,wt−n+1;θ)+R(θ) 其中f(wt,wt−1,...,wt−n+1)f(wt,wt−1,...,wt−n+1)表示根据历史n-1个得到当前wtwt的条件概率,R(θ)R(θ)表示参数正则项。 图2.
s****5 2018-07-10
个性推荐(二)
(title)是一个序列的整数,整数代表的是这个在索引序列中的下标。
j****2 2018-07-10
百度大脑开放日来袭 24种全新AI能呈现
人脸人体识别方向:百度大脑此次发布了新能——人脸情绪识别,同时升级了人脸点检测和手势识别,人脸检测点由72个增至150个,常见手势能识别种数也达到了24种。图像识别方向,百度大脑更新了红酒和地标识别两个新能。无论是卢浮宫还是82年的拉菲,只要传1张照片,就能获得文字解析。车辆分析方面线了车辆检测和车流统计。喻友平透露,不久后,百度大脑还会陆续线车辆属性识别、车辆外观损伤识别、人脸融合、手部点识别、更高精度的人像分割以及钱币识别等有趣有用的应用场景。 语言处理应用技术方向:百度大脑新增文本纠错、新闻摘要、智能写诗、智能春联和对话情绪识别等能,在知识理解方面,百度大脑推出了作文检索和知识问答两个新能,让学习和娱乐两不误,分分钟身“十万个都知道”。同时,智能写作平台将在4月全面线,从素材为创作者提供工具、帮助找到灵感,提升创作者的写作效率和产出质量,降低写作成本。 在强劲的AI技术支持下,百度大脑也在重点发智能硬件和设备。1月16日,百度大脑在深圳召开“在端思考”百度大脑AI硬件平台及产品发布会,发布13项端侧新品,备受行业注。
TOP