Logo

菜单

所有标签

#langchain 1 #RAG 1 #peft 2 #Lora 2 #LDA 1 #LDP 0 #随机决策树 1 #tf-df 1 #transformer 1 #文本分类 1 #回溯 1 #深度学习 5 #神经网络 4 #nlp 4 #TCP 1 #二叉搜索树 4 #满二叉树 1 #子叶之和 1 #二叉树路径 1 #平衡二叉树 2 #完全二叉树 2 #二叉树深度 1 #层序 1 #迭代 3 #递归 3 #二叉树 6 #堆 1 #单调队列 1 #逆波兰表达式 1 #数组 2 #链表 2 #哈希表 2 #pytorch 1 #KMP 1 #双指针 1 #字符串 2 #栈 3
nlp笔记
深度学习 #神经网络#深度学习#nlp

nlp笔记

Lee 发布于 2024-04-08
读懂Transformer
深度学习 #深度学习#神经网络#transformer

读懂Transformer

1.Transformer 整体结构 首先介绍 Transformer 的整体结构，下图是 Transformer 用于中英文翻译的整体结构： Transformer 的整体结构，左图Encoder和右图Decoder 可以看到 Transformer 由 Encoder 和 Decoder 两

Lee 发布于 2024-03-07
深度学习处理文本分类
深度学习 #深度学习#文本分类

深度学习处理文本分类

配置文件 Config = { "model_path": "output", 'ret_data_path': "output/ret_data.csv", "train_data_path": "test_data.csv", "valid_data_path":

Lee 发布于 2024-03-01
4.RNN中文分词
深度学习 #深度学习#nlp

4.RNN中文分词

1.中文分词 1. 分词任务 - 分词是NLP中一类问题的代表 - 分词是NLP任务的基础 2. 中文分词的难点 - 歧义切分 - 新词、专有名词、改造词等 3. 中文分词算法<

Lee 发布于 2024-02-20
3.神经网络处理文本
深度学习 #nlp#神经网络#深度学习

3.神经网络处理文本

小任务：字符串中是否存在关键字符串 在自然语言处理（NLP）任务中，神经网络被广泛应用于处理文本数据和字符串分类。下面是详细讲解： 1. 字符数值化（通过词表）： - 首先，将文本中的字符映射为数值表示。一种直观的方式是将每个字符映射为一个数字，比如a->1, b->2, ...

Lee 发布于 2024-02-19