kaldi 手把手教学,快速的进行语音识别入门开发
快速的进行语音识别入门开发
主要介绍了情感分析,设计了传统的机器学习的方法和深度学习的方法,用python实现,适合大家分析不同算法的优劣
其中包括程序项目三个, Text CNN,RNN+CRT,CNN+LSTM的文本分类。包括数据训练集和测试集。文本分类是NLP的基础任务,掌握它是进阶的基础 enjoy
资源是关于利用BERT模型来训练命名实体识别的数据,其中包括训练,测试,预测用的数据,结合唐老师的历程和github 代码实现
机器学习大佬总结的资料,其中包括sklearn 和tensorflow 框架的介绍,和常见算法的介绍,欢迎下载。
项目主要是利用BERT实现中文的情感分类 主要实现包括: bert 模型的实现 利用起进行情感分类 需要版本 python3 和tensorflow 大于1.10
建立了基本的图像处理流程范例,以mnist 为基本的code 去实验各种的函数代码: 主要包括: 基本的模型保存和恢复 训练过程中监控各种指标
文本生成是NLP重要的应用场景,利用ML自动的根据输入的文本生成唐诗。先用数据进行学习,在进行预测,就完成了,文本生成的过程。本数据主要用于训练LSTM 网络生成唐诗,包括代码的数据。有需要的请自行下载使用。
本节资料是练习CNN 文本分类的数据,数据有是10类别,模型采用两层的神经网络。数据包含了测试集,训练集和验证集,并且代码讲解很详细,是联系CNN卷积网络实现的好数据。