光彩照人

摘要： 一、设计哲学 pytorch-lightning 是建立在pytorch之上的高层次模型接口。 pytorch-lightning 之于 pytorch，就如同keras之于 tensorflow。 通过使用 pytorch-lightning，用户无需编写自定义训练循环就可以非常简洁地在CPU、单 阅读全文

摘要： 转自：https://zhuanlan.zhihu.com/p/104307718 背景 在推荐、搜索、广告等领域，CTR（click-through rate）预估是一项非常核心的技术，这里引用阿里妈妈资深算法专家朱小强大佬的一句话：“它（CTR预估）是镶嵌在互联网技术上的明珠”。 本篇文章主要是 阅读全文

摘要： 一、torch.nn.Embedding 模块可以看做一个字典，字典中每个索引对应一个词和词的embedding形式。利用这个模块，可以给词做embedding的初始化操作 torch.nn.Embedding(num_embeddings, embedding_dim, padding_idx=N 阅读全文

摘要： torch.utils.data.Dataset与torch.utils.data.DataLoader的理解 pytorch提供了一个数据读取的方法，其由两个类构成：torch.utils.data.Dataset和DataLoader 我们要自定义自己数据读取的方法，就需要继承torch.uti 阅读全文

摘要： 常见的id类特征有用户特征user_id，物品特征item_id等，通常来说这类特征都是人为按顺序编码的特征，并不能反映用户或者物品的自然属性特征。但是在很多推荐相关的文章，都有提到使用这类特征，而且似乎还非常重要，并且除了推荐系统，在计算广告、反欺诈风控模型里都有成功的案例。这是为什么呢？ 一、I 阅读全文

摘要： 一、概述： GRU(Gate Recurrent Unit)是LSTM网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很好，因此也是当前非常流形的一种网络。GRU既然是LSTM的变体，因此也是可以解决RNN网络中的长依赖问题。 在LSTM中引入了三个门函数：输入门、遗忘门和输出门 阅读全文

摘要： 本文通过让LSTM学习字母表，来预测下一个字母，详细的请参考： https://blog.csdn.net/zwqjoy/article/details/80493341 https://machinelearningmastery.com/understanding-stateful-lstm-r 阅读全文

摘要： 一、Sateful参数介绍 在Keras调用LSTM的参数中，有一个stateful参数，默认是False，也就是无状态模式stateless，为True的话就是有状态模式stateful，所以这里我们就归为两种模式： 有状态模型（stateful LSTM） 无状态模型（stateless LST 阅读全文

摘要： 一、LSTM原理介绍 RNN虽然理论上也能循环处理长序列，但是由于其结构简单，单元里面只是一个基于tanh激活函数的前馈网络在循环，对于长序列中的哪些信息需要记忆、哪些序列需要忘记，RNN是无法处理的。序列越长，较早的信息就应该忘记，由新的信息来代替，因为上下文语境意境发生了变化，既然RNN无法处理 阅读全文

摘要： 一、背景介绍 BERT和RoBERTa在文本语义相似度等句子对的回归任务上，已经达到了SOTA的结果。但是，它们都需要把两个句子同时喂到网络中，这样会导致巨大的计算开销：从10000个句子中找出最相似的句子对，大概需要5000万(C100002=49,995,000)个推理计算，在V100GPU上耗 阅读全文