Fasttext原理笔记（待完成）
2023-05-08
75
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
Fasttext原理笔记（待完成）
目录
相关文章
|
机器学习/深度学习
数据采集
编解码
|
3月前
|
机器学习/深度学习
数据采集
自然语言处理
深入浅出：用Python实现简单文本分类器
【8月更文挑战第31天】本文旨在通过简明的Python代码示例，引导读者理解并实现一个简单的文本分类器。从数据预处理到模型训练，再到结果评估，我们将一步步构建起一个基于朴素贝叶斯算法的文本分类系统。无论你是编程新手还是机器学习初学者，这篇文章都将为你打开一扇通往文本分析世界的大门。
63
0
0
|
5月前
|
机器学习/深度学习
自然语言处理
PyTorch
【从零开始学习深度学习】48.Pytorch_NLP实战案例：如何使用预训练的词向量模型求近义词和类比词
【从零开始学习深度学习】48.Pytorch_NLP实战案例：如何使用预训练的词向量模型求近义词和类比词
77
0
0
|
6月前
|
机器学习/深度学习
PyTorch
TensorFlow
【Python机器学习专栏】卷积神经网络（CNN）的原理与应用
【4月更文挑战第30天】本文介绍了卷积神经网络（CNN）的基本原理和结构组成，包括卷积层、激活函数、池化层和全连接层。CNN在图像识别等领域表现出色，其层次结构能逐步提取特征。在Python中，可利用TensorFlow或PyTorch构建CNN模型，示例代码展示了使用TensorFlow Keras API创建简单CNN的过程。CNN作为强大深度学习模型，未来仍有广阔发展空间。
115
0
0
|
机器学习/深度学习
编解码
算法
经典神经网络论文超详细解读（四）——InceptionV2-V3学习笔记（翻译＋精读＋代码复现）
经典神经网络论文超详细解读（四）——InceptionV2-V3学习笔记（翻译＋精读＋代码复现）
198
0
0
|
6月前
|
机器学习/深度学习
自然语言处理
TensorFlow
|
机器学习/深度学习
自然语言处理
算法
|
机器学习/深度学习
自然语言处理
机器人
|
机器学习/深度学习
PyTorch
算法框架/工具
|
机器学习/深度学习
自然语言处理
算法
手把手教你在Python中实现文本分类（附代码、数据集）
20980
0
3