發(fā)簡(jiǎn)信
IP屬地：廣東
-
tf2.0 tfserving
2018年寫過tf保存為pb使用tfserving，現(xiàn)在發(fā)現(xiàn)tf2.0環(huán)境運(yùn)行不了了，于是重新研究下官方例子[https://github.co...
-
【編程題】二分查找及其變種規(guī)律：第一個(gè)返回left 最后一個(gè)返回right，第一個(gè)題目有等號(hào)比較就有等號(hào)，最后一個(gè)題目有等號(hào)比較就沒等號(hào) 理解：因?yàn)樽詈蟮奶鰲l件是sta...
-
百度LAC2.0試用最近看到推送，百度的開源詞法LAC2.0發(fā)布了，可增量訓(xùn)練適應(yīng)自己的數(shù)據(jù), 趕緊來試驗(yàn)下。git 模型是兩層的BI-GRU+CRF，隱藏層維度2...
-
ner論文筆記：Better Modeling of Incomplete Annotations for Named Entity RecognitionNLPCC2020的任務(wù)三 考慮噪音標(biāo)注以及不全標(biāo)注信息的情況下來構(gòu)造信息抽取系統(tǒng)。當(dāng)給定實(shí)體類別，實(shí)體的一個(gè)列表，還有大量未標(biāo)注語料時(shí)，我們?nèi)?..
-
模型壓縮（四）：調(diào)整架構(gòu)設(shè)計(jì)輕量化網(wǎng)絡(luò)，在實(shí)際上最有效。 全連接網(wǎng)絡(luò)里，多加一層，參數(shù)變少，相當(dāng)于中間壓縮了。 每個(gè)通道有個(gè)核，對(duì)應(yīng)卷積，再使用1×1卷積核，融合不同通道的...
-
模型壓縮（三）：量化用更少的bit來存參數(shù)，（例如32個(gè)bit改成16個(gè)bit） 把參數(shù)分群，用更少的bit來代表參數(shù) 通過霍夫曼編碼，把出現(xiàn)頻率高的值用更少的bi...
-
模型壓縮（二）：知識(shí)蒸餾先訓(xùn)練一個(gè)大模型，再訓(xùn)練一個(gè)小模型學(xué)習(xí)大模型的輸出。 大模型不僅學(xué)到了類別，還學(xué)到了類別之間相似的東西，比真實(shí)label更多信息，不知告訴這個(gè)圖...
-
模型壓縮（一）：剪枝李宏毅 network compression https://www.youtube.com/watch?v=dPp8rCAnU_A 因?yàn)楝F(xiàn)在...
-
Invalid argument: Matrix size-incompatible: In[....] [[{{node loss/crf_1_loss/MatMul_1}}]] [[metr...記一個(gè)找了一整天的bug。keras-contrib 里面的crf loss 因?yàn)镃RF層定義的時(shí)候 self.crf = CRF(self.n...