摘要: 译者: "毛毛虫" 作者 : "Matthew Inkawhich" 在本教程中,我们探索了一个好玩和有趣的循环序列到序列的模型用例。我们将用 "Cornell Movie Dialogs Corpus" 处的电影剧本来训练一个简单的聊天机器人。 在人工智能研究领域中对话模型模型是一个非常热门的话题 阅读全文
posted @ 2019-02-03 15:24 ApacheCN_飞龙 阅读(841) 评论(0) 推荐(0)
摘要: 译者: "冯宝宝" 在本教程中,我们将介绍如何使用ONNX将PyTorch中定义的模型转换为ONNX格式,然后将其加载到Caffe2中。一旦进入Caffe2,我们就可以运行模型来仔细检查它是否正确导出,然后我们展示了如何使用Caffe2功能(如移动导出器)在移动设备上执行模型。 在本教程中,你需要安 阅读全文
posted @ 2019-02-03 15:23 ApacheCN_飞龙 阅读(1764) 评论(0) 推荐(0)
摘要: 译者: "cangyunye" 作者: "Nathan Inkawhich" 如果你正在阅读这篇文章,希望你能理解一些机器学习模型是多么有效。现在的研究正在不断推动ML模型变得更快、更准确和更高效。然而,在设计和训练模型中经常会忽视的是安全性和健壮性方面,特别是在面对欺骗模型的对手时。 本教程将提高 阅读全文
posted @ 2019-02-03 15:21 ApacheCN_飞龙 阅读(829) 评论(0) 推荐(0)
摘要: 译者: "bdqfork" 作者 : "Alexis Jacq" 简介 本教程主要讲解如何实现由Leon A. Gatys,Alexander S. Ecker和Matthias Bethge提出的 "Neural Style 算法" 。Neural Style或者叫Neural Transfer, 阅读全文
posted @ 2019-02-03 15:20 ApacheCN_飞龙 阅读(918) 评论(0) 推荐(0)
摘要: 译者: "冯宝宝" 作者 : "Ghassen HAMROUNI" 在本教程中,您将学习如何使用称为空间变换器网络的视觉注意机制来扩充您的网络。你可以在 "DeepMind paper" 阅读有关空间变换器网络的更多内容。 空间变换器网络是对任何空间变换的差异化关注的概括。空间变换器网络(简称STN 阅读全文
posted @ 2019-02-03 15:18 ApacheCN_飞龙 阅读(836) 评论(0) 推荐(0)
摘要: 译者: "cangyunye" 作者: "Matthew Inkawhich" 本教程将介绍如何是 模型转换为PyTorch可用的前端混合Torch脚本。 我们要转换的模型是来自于聊天机器人教程 "Chatbot tutorial" . 你可以把这个教程当做Chatbot tutorial的第二篇章 阅读全文
posted @ 2019-02-03 15:16 ApacheCN_飞龙 阅读(986) 评论(0) 推荐(0)
摘要: 译者: "片刻" 作者 : "Sasank Chilamkurthy" 在本教程中,您将学习如何使用迁移学习来训练您的网络。您可以在 "cs231n 笔记" 上阅读更多关于迁移学习的信息 引用这些笔记: 在实践中,很少有人从头开始训练整个卷积网络(随机初始化),因为拥有足够大小的数据集是相对罕见的。 阅读全文
posted @ 2019-02-03 15:12 ApacheCN_飞龙 阅读(869) 评论(0) 推荐(0)
摘要: 【主页】 "apachecn.org" 【Github】 "@ApacheCN" 暂时下线: "社区" 暂时下线: "cwiki 知识库" 自媒体平台 "微博:@ApacheCN" "知乎:@ApacheCN" "CSDN" "简书" "OSChina" "博客园" 我们不是 Apache 的官方组 阅读全文
posted @ 2019-01-29 20:04 ApacheCN_飞龙 阅读(984) 评论(0) 推荐(0)
摘要: 译者: "talengu" PyTorch的主要接口为Python。虽然Python有动态编程和易于迭代的优势,但在很多情况下,正是Python的这些属性会带来不利。我们经常遇到的生产环境,要满足低延迟和严格部署要求。对于生产场景而言,C++通常是首选语言,也能很方便的将其绑定到另一种语言,如Jav 阅读全文
posted @ 2019-01-25 21:00 ApacheCN_飞龙 阅读(1926) 评论(0) 推荐(0)
摘要: 译者: "hhxx2015" 作者 : "Sean Robertson" 我们将构建和训练字符级RNN来对单词进行分类。 字符级RNN将单词作为一系列字符读取,在每一步输出预测和“隐藏状态”,将其先前的隐藏状态输入至下一时刻。 我们将最终时刻输出作为预测结果,即表示该词属于哪个类。 具体来说,我们将 阅读全文
posted @ 2019-01-25 20:59 ApacheCN_飞龙 阅读(815) 评论(0) 推荐(0)