發(fā)簡信
IP屬地：上海
-
Tensorflow 的NCE-Loss的實現(xiàn)和word2vec
這兩天因為實現(xiàn)mxnet的nce-loss，因此研究了一下tensorflow的nce-loss的實現(xiàn)。所以總結一下。 先看看tensorflow的nce-loss的API：...
-
@滄浪_之水 我好像只寫了訓練的代碼，沒有寫測試的
端到端的OCR：LSTM＋CTC的實現(xiàn)
前面提到了用CNN來做OCR。這篇文章介紹另一種做OCR的方法，就是通過LSTM＋CTC。這種方法的好處是他可以事先不用知道一共有幾個字符需要識別。之前我試過不用CTC，只用...
-
Prisma理論篇：火遍朋友圈的修圖工具Prisma的背后是什么？引子：有段子手言，地球上的人一半在用Pokemon Go追皮卡丘的時候，剩下的一半在用Prisma修圖！這款由俄羅斯創(chuàng)業(yè)團隊研發(fā)的圖片處理app，從研發(fā)到上線僅幾個月就用戶量...
-
可以關注一下GAN。對原來的算法有很大的提速。
Prisma理論篇：火遍朋友圈的修圖工具Prisma的背后是什么？
引子：有段子手言，地球上的人一半在用Pokemon Go追皮卡丘的時候，剩下的一半在用Prisma修圖！這款由俄羅斯創(chuàng)業(yè)團隊研發(fā)的圖片處理app，從研發(fā)到上線僅幾個月就用戶量...
-
@zdl_todo 是的
從圖片相似度學習圖片的表示
很多時候帶分類標注的圖片樣本是很難獲得的，但是圖片之間的相似度卻不難獲得。最簡單的方式有幾個： 視頻里相鄰的幀是相似的。見論文Unsupervised Learning of...
-
@zdl_todo 這個有高人指點
從圖片相似度學習圖片的表示
很多時候帶分類標注的圖片樣本是很難獲得的，但是圖片之間的相似度卻不難獲得。最簡單的方式有幾個： 視頻里相鄰的幀是相似的。見論文Unsupervised Learning of...
-
從圖片相似度學習圖片的表示
很多時候帶分類標注的圖片樣本是很難獲得的，但是圖片之間的相似度卻不難獲得。最簡單的方式有幾個： 視頻里相鄰的幀是相似的。見論文Unsupervised Learning of...
-
Tensorflow 的NCE-Loss的實現(xiàn)和word2vec
這兩天因為實現(xiàn)mxnet的nce-loss，因此研究了一下tensorflow的nce-loss的實現(xiàn)。所以總結一下。 先看看tensorflow的nce-loss的API：...
-
word2vec/lstm on mxnet with NCE loss
Softmax是用來實現(xiàn)多類分類問題常見的損失函數(shù)。但如果類別特別多，softmax的效率就是個問題了。比如在word2vec里，每個詞都是一個類別，在這種情況下可能有100...
-
@arestorres 你可以看例子。例子里我已經(jīng)加了不定長的部分
端到端的OCR：LSTM＋CTC的實現(xiàn)
前面提到了用CNN來做OCR。這篇文章介紹另一種做OCR的方法，就是通過LSTM＋CTC。這種方法的好處是他可以事先不用知道一共有幾個字符需要識別。之前我試過不用CTC，只用...
-
@arestorres 你說的不定長的。是吧。這個是c++里已經(jīng)實現(xiàn)好了。另外空格的label id永遠是0
端到端的OCR：LSTM＋CTC的實現(xiàn)
前面提到了用CNN來做OCR。這篇文章介紹另一種做OCR的方法，就是通過LSTM＋CTC。這種方法的好處是他可以事先不用知道一共有幾個字符需要識別。之前我試過不用CTC，只用...
-
基于DC/OS建立分布式機器學習系統(tǒng)
之前基于ps-lite實現(xiàn)了word2vec。下一步就是讓這個算法能夠分布式的跑起來。最簡單的分布式方案大概是如下幾步：把二進制文件copy到你要跑的機器上。把每個進程需要讀...
-
@EricMoon ??
端到端的OCR：LSTM＋CTC的實現(xiàn)
前面提到了用CNN來做OCR。這篇文章介紹另一種做OCR的方法，就是通過LSTM＋CTC。這種方法的好處是他可以事先不用知道一共有幾個字符需要識別。之前我試過不用CTC，只用...
