2019-03-28 22:58:04
参考链接:https://baijiahao.baidu.com/s?id=1622064575970777188&wfr=spider&for=pcBERT的名字由来:Bidirectional Encoder Representations from Transformers RNN会将它之前已经处理过的前面的所有单词/向量的表示与它正在处理的当前单词/向量结合起来。而注意力机制会将所有相关单词的理解融合到我们正在处理的单词中。
2019-03-23 18:54:54
LSTM特别适合解决这类需要长时间依赖的问题。LSTM是RNN的一种,大体结构一致,区别在于:LSTM的‘记忆细胞’是改造过的,该记录的信息会一致传递,不该记录的信息会被截断掉。LSTM外部的结构:下图是多个LSTM想连。忘记门:为什么信息会增强或增加呢?——下图解释。
2019-03-20 20:19:40
远程监督的有噪声的关系抽取:SE的全过程:三层卷积后的结果乘上每个通道上相互独立的权重。下面的图主要是每个通道上权重特征提取的过程:
2019-03-19 23:03:11
dropout设置的设置大一点马上就不会过拟合,去掉更多的神经元
2019-03-19 21:55:45
参考链接:https://zhuanlan.zhihu.com/p/39076763
2019-03-18 19:18:24
参考链接:https://www.cnblogs.com/xulf/p/4320676.html赋值:针对不同的数据结构,string不管怎么赋值内存地址不变,因为string是一种不可变的数据类型。list赋值,内存地址是会改变的,list数据类型是一种可变的数据类型。#针对list的浅拷贝和深拷贝:1,浅拷贝在拷贝嵌套的list结构时,只是拷贝了顶层,深层没有拷贝。2,深拷贝,所有的深度,内存地址都被拷贝了一份。
2019-03-17 15:34:46
根本的原因都是网络深度太大,Ssigmod容易引起梯度消失,用relu改进。梯度爆炸的情况比较少。