【机器翻译】

计算机视觉（CV）领域Transformer最新论文及资源整理分享

Transformer模型最早是用于机器翻译任务，当时达到了SOTA效果。Transformer改进了RNN最被人诟病的训练慢的缺点，利用self-attention机制实现快速并行。
lqfarmer·2023-01-01 07:30

编码器-解码器架构

“编码器－解码器”架构可以将长度可变的序列作为输入和输出，因此适用于机器翻译等序列转换问题。编码器将长度可变的序列作为输入，并将其转换为具有固定形状的编码状态。
流萤数点·2023-01-01 07:29

机器翻译与数据集

机器翻译指的是将文本序列从一种语言自动翻译成另一种语言。使用单词级词元化时的词表大小，将明显大于使用字符级词元化时的词表大小。为了缓解这一问题，我们可以将低频词元视为相同的未知词元。
流萤数点·2023-01-01 07:59

机器翻译——fairseq 安装（一）

1.Fairseq简介Fairseq是一个用PyTorch编写的序列建模工具包，它可以为翻译、摘要、语言建模和其他文本生成任务训练自定义模型。特点：多GPU训练使用多种搜索算法在CPU和GPU上快速生成在单个GPU上，gradientaccumulation可以使用大的小批量进行训练可扩展：轻松注册新models,criterions,tasks,optimizersandlearningrate
yc_starlight·2023-01-01 01:59

fairseq笔记

文章目录训练新模型数据预处理预处理脚本python的参数类型训练新模型以机器翻译为例子开始数据预处理Fairseq包含多个翻译数据集的示例预处理脚本：IWSLT2014（德语-英语）、WMT2014（英语
koala_cola·2023-01-01 01:51

js 截取某个字符前面或者后面的字符串

包括语音识别、机器翻译等从基础到实战都有，很详细，分享给大家。大家及时保存，说不定啥时候就没了。
Mr.Meng_95·2022-12-31 22:06

Windows设置本地DNS域名解析hosts文件配置

包括语音识别、机器翻译等从基础到实战都有，很详细，分享给大家。大家及时保存，说不定啥时候就没了。
Mr.Meng_95·2022-12-31 22:36

vue.runtime.esm.js?2b0e:619 [Vue warn]: Error in created hook: “TypeError: Object(...) is not a func

包括语音识别、机器翻译等从基础到实战都有，很详细，分享给大家。从后端拿取数据渲染到表格数据。结果明明写的没错，但是却报错定位到代码中。
Mr.Meng_95·2022-12-31 22:05

echarts隐藏坐标轴、刻度线、坐标值、网格 —— 全部隐藏

包括语音识别、机器翻译等从基础到实战都有，很详细，分享给大家。大家及时保存，说不定啥时候就没了。
Mr.Meng_95·2022-12-31 22:05

el-table的多选框 默认全选

包括语音识别、机器翻译等从基础到实战都有，很详细，分享给大家。大家及时保存，说不定啥时候就没了。
Mr.Meng_95·2022-12-31 22:03

transformer细节及代码实现1-Positional Encoding and Mask

transformer这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文本摘要和语音识别等等方向。
CAIC00513·2022-12-31 19:24

NLP-文本处理：依存句法分析（主谓、动宾、动补...）【基于“分词后得到的词语列表A”+“A进行词性标注后得到的词性列表B”来进行依存句法分析】【使用成熟的第三方工具包】

例如句法驱动的统计机器翻译需要对源语言或目标语言（或者同时两种语言）进行句法分析。第三方工具包：哈工大LTP首页哈工大LTP4文档语义角色类型依
u013250861·2022-12-31 19:53

Transformer里面的缓存机制

作者：刘绍孔（NLP算法工程师一枚）研究方向：机器翻译，文本生成Transformer是seq2seq模型，涉及encoder和decoder两部分。
人工智能与算法学习·2022-12-31 12:29

深度学习在CTR预估的应用

当深度学习遇到CTR预估2.传统主流CTR预估方法3.深度学习基础模型4.深度学习CTR预估模型5.互联网公司深度学习CTR案例1.当深度学习遇到CTR预估深度学习：各个领域的成功人脸识别、物体识别、语音识别、机器翻译
Dorothy_Xue·2022-12-31 09:39

PyTorch torchtext中带有的自然语言处理数据集

YahooAnswers7.AmazonReviewPolarity8.AmazonReviewFull9.IMDB二，语言模型1.WikiText-22.WikiTest1033.PennTreebank三，机器翻译
_Old_Summer·2022-12-31 09:08

自然语言处理总复习（九）—— 机器翻译

自然语言处理总复习（九）——机器翻译一、概述1.定义2.分类3.发展历史二、机器翻译的技术路线实用化的策略（一）基于规则1.直接式翻译2.转换式翻译（1）通过句法分析得到某种内部的结果化表达（2）变换句型
Victayria·2022-12-31 08:41

Flink 结合 TensorFlow 如何进行模型训练和预测

目前深度学习被广泛应用于个性化推荐、商品搜索、人脸识别、机器翻译、自动驾驶等多个领域，此外还在向社会各个领域迅速渗透。背景当前，深度学习的应用越来越多样化，随之涌现出诸多优秀的计算框架。
woliuqiangdong·2022-12-30 14:32

【机器学习杂记】自注意力机制(Self-attention)

例如语音识别、机器翻译等任务，其输入是不定长的。
wjpwjpwjp0831·2022-12-30 10:20

深度学习attention原理_关于深度学习：Attention 及 self-attention

1Attention的提出在机器翻译(NMT)的任务中，为解决RNN中的Encoder-Decoder的基础上target端输入固定长度的问题，提出了Align方式，这也是Attention的开始。
weixin_39773158·2022-12-30 10:15

论文翻译1：利用语义分割在全视野图像中的肾小球硬化识别

肾小球分割-论文翻译1：利用语义分割在全视野图像中的肾小球硬化识别（用于自己写毕业论文综述，机器翻译，自用）英文题目：Glomerulosclerosisidentificationinwholeslideimagesusingsemanticsegmentation
阿钏·2022-12-30 09:06

tensorflow2.0之seq2seq+attention模型和实例

什么是seq2seqSeq2Seq模型是输出的长度不确定时采用的模型，这种情况一般是在机器翻译的任务中出现，将一句中文翻译成英文，那么这句英文的长度有可能会比中文短，也有可能会比中文长，所以输出的长度就不确定了
辰溪0502·2022-12-30 08:54

PaddleNLP_基于seq2seq的对联生成

A、机器翻译B、垃圾邮件识别C、智能写作D、生成式文本摘要答案ACD2.paddlenlp.datasets类和paddle.io.Dataset的关系，下列哪种描述最恰当？
身在江湖的郭大侠·2022-12-30 01:59

语言模型（五）—— Seq2Seq、Attention、Transformer学习笔记

机器翻译本篇笔记中要开始介绍的Encoder-Decoder模型最初是由机器翻译这一任务中脱产而来，所以先从此入手。
知了爱啃代码·2022-12-29 23:25

自然语言处理——词向量词嵌入

开发工作从1985年开始，从此以后该项目接受了超过300万美元的资助（主要来源于对机器翻译有兴趣的政
aodai3526·2022-12-29 23:21

transformer框架+self-attention技术+和图的关系

注意力机制能够显著提高神经机器翻译任务的性能。本文将会看一看Transformer—加速训练注意力模型的方法。Transformers在很多特定任务上已经优于Google神经机器翻译模型了。
cloudless_sky·2022-12-29 19:39

transformer在翻译时的实际做法

transformer的核心是self-attention，self-attention可参考：图解transformer李宏毅老师的transform一、机器翻译对于机器翻译而言，分为源语言与目的语言
ssx_go·2022-12-29 15:18

动手学深度学习（四十三）——机器翻译及其数据构建

文章目录一、机器翻译二、机器翻译数据集1.下载和预处理数据集1.1文本预处理1.2词元化[tokenization](https://zhuanlan.zhihu.com/p/371300063)1.3
留小星·2022-12-29 15:12

保姆级讲解Transformer

文章目录一、模型背景二、引入讲解的任务场景三、模型整体结构3.1模型结构图3.2宏观举例理解3.3微观拆解理解3.4机器翻译工作流程举例四、输入部分&Embedding五、位置编码（PositionalEncoding
WGS.·2022-12-29 15:39

【动手学深度学习v2】注意力机制—2 使用注意力机制Seq2Seq

动机机器翻译中，每个生成的词可能相关于源句子中不同的词；但单纯的seq2seq无法做到，解码器仅用了
Hannah2425·2022-12-29 14:49

Attention：何为注意力机制？

1、从机器翻译说起Seq2Seq模型，想要解决的主要问题是：如何把机器翻译中，变长的输入X映射到一个变长输出Y的问题。序列模型可以较好地学习到句子的
AI大道理·2022-12-29 13:40

论文笔记：Transformer

一、这篇论文解决什么问题序列转录：具体到论文中，就是机器翻译任务之前一般如何解决：Encoder-Decoder+CNN/RNN+Attention本文：只用Attention二、模型架构基础架构：Encoder-DecoderEncoder
foreverbeginnerz·2022-12-29 13:05

[机器翻译-数据集] 批量获取所有WMT数据（初步解决方案）

文章目录前言具体实现不足之处补充补充一：记录暂时只能手动下载的数据集补充二：添加wmt19的测试集下载结果记录平行语料数量统计wmt14wmt15wmt16wmt17wmt18wmt19需要手动下载的语料统计参考前言WMT是机器翻译和机器翻译研究的主要活动
Muasci·2022-12-29 03:56

（一）人工智能与机器语言翻译简介

目录介绍机器翻译简史LSTM网络如何处理MTSMT简而言之下一步下载原文件--3.5k介绍谷歌翻译的效果非常好，它通常看起来很神奇。但这不是魔法——这是深度学习！
寒冰屋·2022-12-29 00:39

基于RNN的NLP机器翻译深度学习课程 | 附实战代码

刚好趁着这个机会写一系列NLP机器翻译深度学习实战课程。
AI科技大本营·2022-12-28 14:02

NLP工具集：【doccano】——标注平台doccano使用手册

因此，您可以为情感分析、命名实体识别、文本摘要、机器翻译等任务创建标注数据。只需创建一个项目，上传数据并开始标注，您就可以在数小时内构建得到想要的数据集。
J_Xiong0117·2022-12-28 10:43

计算语言学概论复习笔记（分词、语言模型、隐马尔科夫、POS、ML、DL、MT）

01（计算语言学概论）计算语言学的应用机器翻译人机对话信息检索信息提取自动文摘文本分类拼写检查音字转换什么是计算语言学？计算语言学是通过建立形式化的计算模型来分析、理解和处理自然语言的学科。
每一个有风的日子·2022-12-28 04:15

人工智能之语音识别

语言识别的概念机器翻译用印刷文本作为输入，能清楚地区分单个单词和单词串。
小段学长·2022-12-28 00:48

留言赠书｜因果推断与机器学习，终于有本书能讲明白啦！

例如，你可能已经习惯了每天使用谷歌、百度、Bing等搜索引擎查找信息，或者在电商网站和视频网站的推荐系统，以及利用谷歌、百度等网站提供的机器翻译学习外语，这些应用都离不开机器学习模型的支持。
文文学霸·2022-12-27 16:34

PaddlePaddle出现错误op uniform_random does not have kernel for data_type

问题描述：使用Fluid实现机器翻译模型时，报opuniform_randomdoesnothavekernelfordata_type报错输出：Traceback(mostrecentcalllast
飞桨PaddlePaddle·2022-12-26 21:54

Attention Is All You Need论文阅读笔记

在两个机器翻译任务上的
westbrook_wang·2022-12-26 13:05

【笔记】Attention Is All You Need 论文分析1：流程介绍

不同的输入之间是没有联系的，但是对于处理序列数据，比如机器翻译等，前面的输入对后
程序猿的探索之路·2022-12-26 13:03

Attention is all you need -- 阅读笔记

最先应用是在NLP领域的机器翻译任务上，由于其简单的结构、强悍的表现，经过几年的发展，越来越多的领域开始使用基于Transformer的深度学习网络。下面是我自己的一点学习笔记，记录下来方便以后复习。
Tender_Li·2022-12-26 13:32

Attetion is all you need论文阅读笔记

Attetionisallyouneed参考：沐神（沐神_论文精讲_Attentionisallyouneed）1、Abstract主流的序列转录模型（给一个序列生成另一个序列，比如机器翻译，给一句英文
Mrwei_418·2022-12-26 13:00

机器翻译技术的瓶颈

文章目录前言概述一、机器翻译的瓶颈在哪里？二、是否存在第四代机器翻译？三、自然语言处理的可解释性研究之争四、观众问答环节Q1：如何加入先验知识，引入外部知识或融合专业术语是不是一种途径？
心伽玛·2022-12-26 13:49

朱靖波：谈谈机器翻译技术发展与产业化

小牛翻译董事长、东北大学计算机学院人工智能系朱靖波教授做了题为《谈谈机器翻译技术发展与产业应用》的特邀报告，以下是报
喜欢打酱油的老鸟·2022-12-26 13:19

计算机辅助翻译与人工智能,2018年机器翻译行业概述与现状，人工智能让人人实现国际化交流...

一、机器翻译行业概述机器翻译，又称为自动翻译，指计算机程序将一种书写形式或声音形式的自然语言翻译成另一种书写形式或声音形式的自然语言，形式包括机器翻译形式包括词典翻译、计算机辅助翻译和文本或语音的句子以及段落翻译
ftggggc·2022-12-26 13:48

目前流行的机器学习算法

这些算法在图像识别、自然语言处理、机器翻译、语音识别、视频分类等方面有很好的表现。集成学习(EnsembleLearnin
Traveler[ke]·2022-12-26 04:42

【NLP】文本生成评价指标：BLEU

BLEUBLEU(BilingualEvaluationunderstudy)是一种流行的机器翻译评价指标，用于分析候选译文和参考译文中n元组共同出现的程度，由IBM于2002年提出。
zkq_1986·2022-12-25 21:05

深度学习命名实体识别综述

NER一直是许多自然语言应用的基础，如问答、文本摘要和机器翻译等。早期的NER系统在设计特定领域的特征和规则时付出了人力工程的代价，在取得良好性能方面取得了巨大的成功。
Necther·2022-12-25 08:01

NLP-NMT-Transformer图解及论文笔记：Attention Is All You Need

前言机器翻译技术的发展一直与计算机技术、信息论、语言学等学科的发展紧密相随。
饮冰l·2022-12-25 08:59
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他