目录

AaronJny

诗酒繁华,书剑天涯。

标签: keras (4)

有趣的深度学习——使用 BERT 实现一个古体诗生成器

前言 前阵子使用 RNN 写了个古体诗生成器(有趣的深度学习——使用TensorFlow 2.0 + RNN 实现一个古体诗生成器)的 NLP 小 Demo 玩玩。而现在说到 NLP,就很难绕开 Transformers 系列模型,譬如 BERT、GPT-2、RoBERTa、ALBERT、XLNet 等等。Transformers 系列模型不断刷新着 NLP 任务得分记录,在绝大多数任务下都远胜于传统的、基于 RNN 的 NLP 任务。 那么,既然之前用 RNN 写了个古体诗生成器,我们不妨也用 BERT 写一个吧,正好对比一下效果。 解读 代码结构和功能与有趣的深度学习——使用TensorFlow 2.0 + RNN 实现一个古体诗生成器(https://blog.csdn.net/aaronjny/article/details/103806954)基本上相同,只是将模型从 RNN 换成了 BERT,注释也很详细,感觉没有解读的必要了。 对照着这两份文档就能搞清楚: 基于 RNN 的模型的详细文档:使用TensorFlow 2.0 + RNN 实现一个古体诗生成器 基于 BERT ....

有趣的深度学习——使用TensorFlow 2.0 + RNN 实现一个古体诗生成器

一、前言 很早之前,我曾经写过一个古体诗生成器(详情可以戳TensorFlow练手项目二:基于循环神经网络(RNN)的古诗生成器),那个时候用的还是Python 2.7和TensorFlow 1.4。 随着框架的迭代,API 的变更,老项目已经很难无障碍运行起来了。有不少朋友在老项目下提出了各种问题,于是,我就萌生了使用TensorFlow 2.0重写项目的想法。 这不,终于抽空,重写了这个项目。 完整的项目已经放到了GitHub上: AaronJny/DeepLearningExamples/tf2-rnn-poetry-generator (https://github.com/AaronJny/DeepLearningExamples/tree/master/tf2-rnn-poetry-generator) 先对项目做个简单展示。项目主要包含如下功能: 使用唐诗数据集训练模型。 使用训练好的模型,随机生成一首古体诗。 使用训练好的模型,续写一首古体诗。 使用训练好的模型,随机生成一首藏头诗。 随机生成一首古体诗: 金鹤有僧心,临天寄旧身。 石松惊枕树,红鸟发禅新。 不到风前....

深度学习下的目标检测算法——TensorFlow 2.0下的YOLOv3实践

本文主要包含如下内容: 修改qqwweee/keras-yolo3(目标检测算法 YOLOv3 的一个 Keras 版本的优秀实现),将其修改为 tf.keras 为主导的,并修订不兼容的接口和逻辑,使其支持 TensorFlow 2.0 版本 实践修改后的 YOLOv3 算法 对实践结果的简单分析 修改后的项目 GitHub: tf2-keras-yolo3 (https://github.com/AaronJny/tf2-keras-yolo3) 前言 说到目标检测,YOLO 系列算法可以算是颇负盛名。目标检测相关的算法有不少,而 YOLO 因其识别速度快而出名,常被用于实时目标检测场景中。今天,我们就来实践一下 YOLOv3 算法。 因为 YOLO 原理我是清楚的,又觉得实现起来太麻烦了,所以本来想着就不自己造轮子了,直接从 GitHub 上找一个优秀的开源实现,拜读一下代码,然后调试跑通结束。但没想到,最后还是得动手写(或者说改?)代码…… 因为我主要使用的深度学习框架是 TensorFlow 和 Keras,所以直接去找了算法的 Keras 实现。然后就找了qqwwe....

机器学习里的Hello World——TensorFlow 2.0在MNIST数据集上的尝试

TensorFlow 2.0 在 MNIST 数据集上的尝试,共分为三个部分: ① 通过 TensorFlow 的低级接口,手动实现一个全连接神经网络; ② 通过 tf.keras 实现一个全连接神经网络; ③ 通过 tf.keras 实现一个卷积神经网络。 毕竟只是 Hello World,没什么难度,仅用来介绍 TensorFlow 2.0 的简单用法。