色哟哟视频在线观看-色哟哟视频在线-色哟哟欧美15最新在线-色哟哟免费在线观看-国产l精品国产亚洲区在线观看-国产l精品国产亚洲区久久

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

關(guān)于GN-GloVe的詞嵌入技術(shù)詳解

zhKF_jqr_AI ? 來(lái)源:未知 ? 作者:工程師李察 ? 2018-09-23 09:25 ? 次閱讀

詞嵌入技術(shù)已經(jīng)成為眾多自然語(yǔ)言處理(NLP)應(yīng)用的基礎(chǔ)部分,然而,在現(xiàn)有語(yǔ)料上訓(xùn)練的詞嵌入,常常受到社會(huì)偏見(jiàn)的影響,比如性別刻板印象。比如,“programmer”(程序員)是一個(gè)性別中立詞(gender-neutral words),但在新聞?wù)Z料庫(kù)上訓(xùn)練的嵌入模型看來(lái),“programmer”和“male”(男性)一詞的聯(lián)系比“female”(女性)更緊密。

帶有這樣的偏見(jiàn)的詞嵌入模型,會(huì)給下游的NLP應(yīng)用帶來(lái)嚴(yán)重問(wèn)題。例如,基于詞嵌入技術(shù)的簡(jiǎn)歷自動(dòng)篩選系統(tǒng)或工作自動(dòng)推薦系統(tǒng),會(huì)歧視某種性別的候選人(候選人的姓名反映了性別)。除了造成這種明顯的歧視現(xiàn)象,有偏見(jiàn)的嵌入還可能暗中影響我們?nèi)粘J褂玫腘LP應(yīng)用。比如,在搜索引擎中輸入“computer scientist”(計(jì)算機(jī)科學(xué)家),由于在嵌入空間中,“computer scientist”和男性姓名更接近,和女性姓名更疏遠(yuǎn),基于嵌入技術(shù)的搜索算法傾向于將男性科學(xué)家排在女性科學(xué)家之前,阻礙人們認(rèn)識(shí)女性科學(xué)家,進(jìn)一步加劇計(jì)算機(jī)科學(xué)領(lǐng)域的性別不平衡性。

圖片來(lái)源:Tolga Bolukbasi等

Bolukbasi等提出,通過(guò)后處理,可以緩解詞嵌入的性別刻板印象(arXiv:1607.06520)。具體方法是將性別中立詞投影到一個(gè)正交于性別維度的子空間,該性別維度由性別定義詞(gender-definition words)定義。所謂性別定義詞,是指定義中天然聯(lián)系性別的詞匯,例如“mother”(母親)、“waitress”(女侍者)。

然而,這一做法有兩個(gè)局限:

在投影性別中立詞之前,需要首先通過(guò)分類(lèi)器識(shí)別出性別中立詞。如果分類(lèi)器犯錯(cuò),那么錯(cuò)誤會(huì)傳播到整個(gè)模型中,影響最終表現(xiàn)。

完全移除了性別信息,但是在某些領(lǐng)域(比如醫(yī)學(xué)、社會(huì)科學(xué)),性別信息是不可或缺的。

而UCLA的Jieyu Zhao、Yichao Zhou、Zeyu Li、Wei Wang、Kai-Wei Chang在即將召開(kāi)的EMNLP 2018上發(fā)表的論文Learning Gender-Neutral Word Embeddings(學(xué)習(xí)性別中立詞嵌入),基于保護(hù)屬性(protected attributes)隔離性別信息,克服了上述兩個(gè)局限。

方法

這篇論文改造了GloVe模型,在其基礎(chǔ)之上增加了性別保護(hù)屬性。雖然論文選擇GloVe作為基礎(chǔ)嵌入模型,但論文提出的方法是通用的,可以應(yīng)用于其他嵌入模型和屬性。

GloVe

首先簡(jiǎn)單溫習(xí)下GloVe。

GloVe的主要直覺(jué)是,相比單詞同時(shí)出現(xiàn)的概率,單詞同時(shí)出現(xiàn)的概率的比率能夠更好地區(qū)分單詞。比如,假設(shè)我們要表示“冰”和“蒸汽”這兩個(gè)單詞。對(duì)于和“冰”相關(guān),和“蒸汽”無(wú)關(guān)的單詞,比如“固體”,我們可以期望P冰-固體/P蒸汽-固體較大。類(lèi)似地,對(duì)于和“冰”無(wú)關(guān),和“蒸汽”相關(guān)的單詞,比如“氣體”,我們可以期望P冰-氣體/P蒸汽-氣體較小。相反,對(duì)于像“水”之類(lèi)同時(shí)和“冰”、“蒸汽”相關(guān)的單詞,以及“時(shí)尚”之類(lèi)同時(shí)和“冰”、“蒸汽”無(wú)關(guān)的單詞,我們可以期望P冰-水/P蒸汽-水、P冰-時(shí)尚/P蒸汽-時(shí)尚應(yīng)當(dāng)接近于1。

具體而言,GloVe基于加權(quán)最小二乘回歸模型,輸入為單詞-上下文同時(shí)出現(xiàn)頻次矩陣:

其中,f為加權(quán)函數(shù),降低過(guò)大的同時(shí)出現(xiàn)頻次的影響。

GN-GloVe

這篇論文提出了一個(gè)GloVe的性別中立變體,稱(chēng)為GN-Glove. GN-Glove將詞向量w分成兩部分w = [w(a); w(g)],其中w(a)∈ ?d-k表示中立成分,而w(g)∈ ?k則表示性別成分,k是為性別信息保留的維數(shù)(論文中將k設(shè)為1,即為性別信息保留一個(gè)維度)。

GN-GloVe訓(xùn)練的目標(biāo)是將性別特征作為保護(hù)屬性隔離在w(g)中,使w(a)中的信息不受性別影響。相應(yīng)地,目標(biāo)函數(shù)包括三部分:

其中,λd和λe為超參數(shù),調(diào)節(jié)目標(biāo)函數(shù)不同部分的影響力。

JG是我們之前給出的GloVe的目標(biāo)函數(shù),JD和JE迫使性別信息限于w(g)之中,使w(a)保持性別中立。

現(xiàn)在我們來(lái)考慮下,如何定義JD,可以讓性別信息盡量隔離在w(g)中,也就是讓w(g)表示更多的性別信息?

我們可以在監(jiān)督學(xué)習(xí)的背景下考慮這個(gè)問(wèn)題。假設(shè)我們有一些(人工標(biāo)注的)性別定義詞,那么,如果w(g)能夠很好地表示這些性別定義詞的信息,那么表示男性的性別定義詞和表示女性的性別定義詞的差距會(huì)很大,從而充分體現(xiàn)性別差異。比方說(shuō),“父”的w(g)是2.0,“母”的w(g)是-2.0,相比“父”的w(g)是0.02,“母”的w(g)是0.03,一般來(lái)說(shuō),前者要更好。由此,我們給出如下的JD定義:

簡(jiǎn)單說(shuō)明一下上面的公式,ΩM和ΩF分別是男性定義詞(male-definition word)和女性定義詞(female-definition word)的集合,論文基于WordNet的定義劃分這兩個(gè)集合。考慮的是總體的情況,所以進(jìn)行了累加。因?yàn)檎撐臑樾詣e信息保留了一個(gè)維度,所以上面舉例的時(shí)候直接使用了實(shí)數(shù)表示w(g),但實(shí)際上性別信息可以占用不止一個(gè)維度,因此JD的定義使用了矩陣運(yùn)算。最后,我們需要最大化男性定義詞和女性定義詞之前的差距,但最終我們需要最小化目標(biāo)函數(shù)值,所以最后進(jìn)行了取反操作。

當(dāng)然,JD的定義不止這一種。我們還可以將w(g)的取值限制在一定范圍內(nèi),比如[-1, 1],然后盡可能將w(g)往兩端推:(1-w父(g))2+(-1-w母)2. 比如,假設(shè)“父”向量的w(g)是1,而“母”向量的w(g)是-1,代入上式,結(jié)果為0.

由此我們可以得到JD的第二種定義。當(dāng)然,同樣,w(g)實(shí)際上是向量,所以我們引入一個(gè)向量e ∈ ?k,該向量的所有分量為1. 然后我們考慮的也是ΩM和ΩF上的整體情況,所以累加一下。最后,[-1, 1]是一個(gè)比較合適的取值范圍,但我們完全可以選擇其他取值范圍。所以我們?cè)僖雰蓚€(gè)系數(shù),將取值范圍設(shè)定為[β2, β1]. 最終的JD定義為:

好了,接下來(lái)我們討論JE,也就是處理w(a)的部分。

這里,我們引入了vg∈ ?d-k,嵌入空間的性別方向。性別方向的概念很簡(jiǎn)單。假設(shè)我們有很多對(duì)性別詞,比如“father”(父)和“mother”(母)、“man”(男人)和“woman”(女人)、“國(guó)王”(king)和“queen”(王后),將這些成對(duì)的性別詞向量相減,比如“父 - 母”、“男人 - 女人”、“國(guó)王 - 王后”,然后取平均,就得到了性別方向。具體來(lái)說(shuō),可以使用以下公式表示:

上式中,Ω'是預(yù)定義的成對(duì)性別詞向量集合。這里我們沒(méi)有直接將詞向量w相減,而是將w(a)相減。這是因?yàn)椋ǔG闆r下,用于保留性別向量的維度很少(論文只使用了一個(gè)維度),而一般來(lái)說(shuō)詞向量至少有好幾百維度。而且,在訓(xùn)練開(kāi)始階段,w(a)中同樣包含很多性別信息(否則就不需要訓(xùn)練了)。

然后,類(lèi)似ΩM和ΩF,我們可以基于WordNet劃分性別中立詞集合ΩN。由于是性別中立詞,所以我們期望它們?cè)谛詣e方向上的投影接近零。這和Bolukbasi等將性別中立詞投影到一個(gè)正交于性別維度的子空間的做法類(lèi)似。

總之,我們用標(biāo)記過(guò)的性別定義詞來(lái)優(yōu)化wg,用標(biāo)記過(guò)的性別中立詞來(lái)優(yōu)化wa,再加上GloVe原本的優(yōu)化目標(biāo),就得到了GN-GloVe的優(yōu)化目標(biāo)。

而且,整個(gè)目標(biāo)函數(shù)J是可微的,所以論文在訓(xùn)練時(shí)能夠采用隨機(jī)梯度下降進(jìn)行優(yōu)化。為了簡(jiǎn)化訓(xùn)練詞嵌入的計(jì)算復(fù)雜度,論文假定性別方向vg是一個(gè)固定向量(也就是說(shuō),在更新w(a)的時(shí)候,不計(jì)算在vg上的梯度),只在每個(gè)epoch開(kāi)始的時(shí)候更新下vg.

試驗(yàn)

論文做了全面的試驗(yàn),驗(yàn)證隔離性別信息至特定維度的想法的有效性:

可視化了嵌入空間,表明GN-GloVe分隔開(kāi)了保護(hù)屬性和其他潛屬性。

在新的標(biāo)注數(shù)據(jù)集上測(cè)量了GN-GloVe區(qū)分性別定義詞(gender-definition words)和性別刻板詞(gender-stereotype words)的能力。

評(píng)估了GN-GloVe在標(biāo)準(zhǔn)詞嵌入基準(zhǔn)數(shù)據(jù)集上的表現(xiàn),表明隔離性別信息沒(méi)有影響詞嵌入的功能。

演示了GN-GloVe在一個(gè)下游應(yīng)用中降低性別偏差的效果。

設(shè)定

對(duì)比的基線為原生GloVe和Hard-Glove(即之前提到的Bolukbasi等提出的方法)。

所有嵌入基于2017年的英文維基百科(2017 English Wikipedia dump),GloVe的超參數(shù)使用默認(rèn)值。

訓(xùn)練GN-GloVe時(shí),論文將每個(gè)維度的取值范圍限定于[-1, 1],以避免數(shù)值問(wèn)題。λd和λe均設(shè)為0.8. 根據(jù)論文作者的初步研究,模型對(duì)這些超參數(shù)不敏感。另外,除非特別注明,JD使用第一種定義(L1)。

可視化嵌入空間

論文可視化了詞向量的性別分量wg在嵌入空間中的分布(為了便于查看,將橫軸拉伸至[-2, 2])。

上圖中,紅點(diǎn)為女性定義詞(例如waitress女侍者、nun尼姑、maid女仆、housewife家庭主婦、businesswoman女商人、ballerina芭蕾舞女演員、actress女演員),綠三角為男性定義詞(例如waiter男侍者、salesman男售貨員、policeman男警察、monk和尚、landlord男地主、headmaster男校長(zhǎng)、handyman男雜務(wù)工、congressman男議員)。圖中的性別定義詞位于橫軸的兩端,這并不出乎我們的意料,畢竟目標(biāo)函數(shù)中w(g)部分的優(yōu)化正是基于性別定義詞的集合ΩM和ΩF。

藍(lán)叉表示性別中立詞。從上圖可以看到,雖然確實(shí)存在越靠近0,性別中立詞的性別分量分布就越密集的趨勢(shì),但總體上來(lái)說(shuō)性別中立詞的性別分量分布得比較分散,這說(shuō)明基于維基百科訓(xùn)練的性別中立詞仍然包含性別信息。其中,紫五星是一些性別中立的表示職業(yè)的詞匯。這些詞匯的可視化表明GN-GloVe能夠恰當(dāng)?shù)乇A粜詣e中立詞中的性別信息。例如,圖中的“nurse”(護(hù)士)的性別分量更接近女性,而“captain”(船長(zhǎng))的性別分量更接近男性,和日常的刻板印象一致。

為了驗(yàn)證GN-GloVe很好地隔離了性別信息,論文可視化了上面這些表示職業(yè)的詞匯的中立成分w(a)在性別方向vg上的投影(即w(a)和vg的余弦相似度)。

左:GloVe;右:GN-GloVe

可以看到,相比性別刻板印象嚴(yán)重的GloVe,GN-GloVe的中立分量在性別方向上的投影接近零,這說(shuō)明GN-GloVe很好地隔離了性別信息。

論文統(tǒng)計(jì)了表示職業(yè)的詞匯在性別子空間上的投影平均長(zhǎng)度。GloVe是0.080,GN-Glove是0.052. 也就是說(shuō),相比GloVe,GN-Glove降低了35%的性別偏差。當(dāng)然,完全去除性別信息的Hard-GloVe能取得更好的結(jié)果,0.019,然而,這也意味著Hard-GloVe損失了性別信息,并且區(qū)分性別刻板詞和性別定義詞的能力較差。

SemBias

為了研究模型表示的性別信息的質(zhì)量,論文按照SemEval 2012 Task2的方式,創(chuàng)建了一個(gè)SemBias數(shù)據(jù)集。這個(gè)數(shù)據(jù)集中的每個(gè)樣本包含4對(duì)單詞,即一對(duì)性別定義詞(例如,waiter - waitress,男侍者 - 女侍者),一對(duì)性別刻板詞(例如,doctor - nurse,醫(yī)生 - 護(hù)士),兩對(duì)與性別無(wú)關(guān)的意思相近的詞(例如,dog - cat,狗 - 貓,cup - lid,杯 - 蓋)。模型需要比較這四對(duì)詞中,哪一對(duì)和“he - she”(他 - 她)更接近。理想情形下,模型應(yīng)當(dāng)選中性別定義詞對(duì)。

從上表我們看到,GN-Glove在SemBias上達(dá)到了97.7%的精確度,顯著高于GloVe和Hard-GloVe的表現(xiàn)。SemBias(subset)是包含未在訓(xùn)練中作為種子詞匯使用的單詞對(duì)的數(shù)據(jù)子集。在這一子集上,GN-GloVe的表現(xiàn)就更突出了,這表明GN-GloVe可以很好地將基于訓(xùn)練集學(xué)習(xí)到的識(shí)別能力推廣到其他性別定義詞。相反,移除了所有性別信息的Hard-GloVe的表現(xiàn)就很糟糕了,幾乎是在隨機(jī)猜測(cè)了。

詞匯相似度和類(lèi)比

在標(biāo)準(zhǔn)詞嵌入基準(zhǔn)數(shù)據(jù)集上的評(píng)估表明,GN-GloVe在相似度任務(wù)上達(dá)到了更高的精確度,而在類(lèi)比任務(wù)中的評(píng)分略有下降。總體而言,GN-GloVe和GloVe、Hard-GloVe表現(xiàn)大致相當(dāng),隔離性別信息并未影響詞嵌入的一般功能。

簡(jiǎn)單說(shuō)明一下上面的表格。類(lèi)比任務(wù)回答“A對(duì)應(yīng)B,就像C對(duì)應(yīng)_?”這一問(wèn)題,也就是在嵌入空間中找到最接近wA- wB+ wC的詞向量w. 相似度任務(wù)則評(píng)估詞嵌入模型捕捉單詞相似度的能力(對(duì)比人類(lèi)標(biāo)注)。

指代消解

最后,論文測(cè)試了GN-GloVe在下游應(yīng)用指代消解上的表現(xiàn)。

指代消解

論文使用了Ontonotes 5.0和WinoBias這兩個(gè)數(shù)據(jù)集。其中,WinoBias數(shù)據(jù)集由兩部分構(gòu)成,PRO子集偏向刻板印象,ANTI子集反刻板印象。例如,PRO子數(shù)據(jù)集中有一個(gè)樣本是“The CEO raised the salary of the receptionist because he is generous.”(CEO給接待員漲了薪水,因?yàn)樗芸犊#┰谶@個(gè)句子中,代詞“he”(他)指代“CEO”,和社會(huì)的刻板印象一致。而ANTI子數(shù)據(jù)集包含幾乎一模一樣的樣本,只是性別人稱(chēng)代詞換成相反的性別,也就是把“he”(他)改成“she”(她)。這和社會(huì)的刻板印象相悖,在當(dāng)前社會(huì),女性CEO在所有CEO中所占的比例遠(yuǎn)低于男性。

上表中,Avg表示W(wǎng)inoBias數(shù)據(jù)集的平均F1值(PRO和ANTI的F1值的平均),Diff表示PRO和ANTI的F1值差異的絕對(duì)值(Diff越低,說(shuō)明系統(tǒng)中的性別偏差越低)。總體上來(lái)說(shuō),在OntoNotes數(shù)據(jù)集上,GN-GloVe取得了和GloVe、Hard-GloVe相當(dāng)?shù)谋憩F(xiàn)。而在WinoBias數(shù)據(jù)集上,相比GloVe,GN-GloVe顯著降低了性別偏差。在只使用中立成分w(a)的情況下,GN-GloVe的性別偏差水平接近完全去除性別信息的Hard-GloVe.

結(jié)語(yǔ)

在本文的結(jié)尾,讓我們回顧一下GN-GloVe的優(yōu)勢(shì):

通用性高,適用于任何語(yǔ)言(只需提供預(yù)定義的種子詞匯),可擴(kuò)展至GloVe以外的嵌入模型和性別以外的保護(hù)屬性。

隔離了性別信息,既緩解了在下游應(yīng)用中加劇刻板印象的問(wèn)題,又可用于社會(huì)科學(xué)研究等需要性別信息的場(chǎng)景而無(wú)需重新訓(xùn)練詞嵌入。

隔離性別信息后,改善了詞嵌入的可解釋性。

不依賴分類(lèi)器區(qū)分性別中立詞,避免了分類(lèi)誤差傳播問(wèn)題。

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:GN-Glove 性別中立的詞嵌入學(xué)習(xí)

文章出處:【微信號(hào):jqr_AI,微信公眾號(hào):論智】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    絕對(duì)經(jīng)典教材.基于ARM嵌入式Linux系統(tǒng)開(kāi)發(fā)技術(shù)詳解

    ` 本帖最后由 eehome 于 2013-1-5 09:57 編輯 絕對(duì)經(jīng)典教材.基于ARM嵌入式Linux系統(tǒng)開(kāi)發(fā)技術(shù)詳解`
    發(fā)表于 03-22 10:50

    嵌入式Linux系統(tǒng)開(kāi)發(fā)技術(shù)詳解——基于ARM

    嵌入式Linux系統(tǒng)開(kāi)發(fā)技術(shù)詳解——基于ARM,一共6個(gè)部分,給大家參考
    發(fā)表于 06-24 21:19

    嵌入式微處理器和接口詳技術(shù)詳解

      本文創(chuàng)客學(xué)院嵌入式培訓(xùn)講師為學(xué)員介紹嵌入式微處理器和接口的相關(guān)技術(shù)概念。關(guān)于嵌入式系統(tǒng)的微處理器與接口,主要應(yīng)當(dāng)熟悉下列相關(guān)的知識(shí)點(diǎn)。 
    發(fā)表于 06-28 13:55

    嵌入式微處理器和接口詳技術(shù)詳解

    `嵌入式微處理器和接口詳技術(shù)詳解  本文小編為學(xué)員介紹嵌入式微處理器和接口的相關(guān)技術(shù)概念。關(guān)于
    發(fā)表于 10-30 14:33

    鴻蒙構(gòu)建系統(tǒng)——gn官方FAQ翻譯,以及gn官方文檔分享

    文件中創(chuàng)建一個(gè)叫做“default”的組目標(biāo),例如“//:default”,GN將會(huì)告訴ninja默認(rèn)編譯這個(gè)目標(biāo),而不是編譯所有的目標(biāo)。有關(guān)于GN的公開(kāi)演示講解嗎?這里有一個(gè)最近的,2015年
    發(fā)表于 11-26 18:22

    鴻蒙構(gòu)建系統(tǒng)——gn官方FAQ翻譯,以及gn官方文檔分享

    文件中創(chuàng)建一個(gè)叫做“default”的組目標(biāo),例如“//:default”,GN將會(huì)告訴ninja默認(rèn)編譯這個(gè)目標(biāo),而不是編譯所有的目標(biāo)。有關(guān)于GN的公開(kāi)演示講解嗎?這里有一個(gè)最近的,2015年
    發(fā)表于 12-02 16:55

    嵌入式liunx開(kāi)發(fā)技術(shù)詳解

    嵌入式liunx開(kāi)發(fā)技術(shù)詳解主要內(nèi)容本書(shū)以嵌入式Linux 系統(tǒng)開(kāi)發(fā)流程為主線,剖析了嵌入式Linux 系統(tǒng)構(gòu)建的各個(gè)環(huán)節(jié)。從
    發(fā)表于 03-04 16:58 ?55次下載

    VB中關(guān)于MSComm控件使用詳解

    VB中關(guān)于MSComm控件使用詳解
    發(fā)表于 12-16 15:35 ?18次下載

    詳解嵌入式linux 啟動(dòng)信息

    詳解嵌入式linux 啟動(dòng)信息
    發(fā)表于 10-30 10:28 ?11次下載
    <b class='flag-5'>詳解</b><b class='flag-5'>嵌入</b>式linux 啟動(dòng)信息

    對(duì)嵌入技術(shù),可以改善現(xiàn)有模型在跨句推理上的表現(xiàn)

    這種做法其實(shí)和嵌入一脈相承。嵌入同樣面臨計(jì)算所有上下文(softmax)過(guò)于復(fù)雜的問(wèn)題。因此,word2vec、skip-gram等
    的頭像 發(fā)表于 11-12 09:38 ?3124次閱讀
    <b class='flag-5'>詞</b>對(duì)<b class='flag-5'>嵌入</b><b class='flag-5'>技術(shù)</b>,可以改善現(xiàn)有模型在跨句推理上的表現(xiàn)

    嵌入詳解

    嵌入詳解(stm32嵌入式開(kāi)發(fā)實(shí)例)-嵌入詳解,有需要的可以參考!
    發(fā)表于 07-30 16:07 ?64次下載
    <b class='flag-5'>嵌入</b>式<b class='flag-5'>詳解</b>

    PyTorch教程15.5之帶全局向量的嵌入(GloVe)

    電子發(fā)燒友網(wǎng)站提供《PyTorch教程15.5之帶全局向量的嵌入(GloVe).pdf》資料免費(fèi)下載
    發(fā)表于 06-05 11:01 ?0次下載
    PyTorch教程15.5之帶全局向量的<b class='flag-5'>詞</b><b class='flag-5'>嵌入</b>(<b class='flag-5'>GloVe</b>)

    PyTorch教程15.6之子嵌入

    電子發(fā)燒友網(wǎng)站提供《PyTorch教程15.6之子嵌入.pdf》資料免費(fèi)下載
    發(fā)表于 06-05 11:02 ?0次下載
    PyTorch教程15.6之子<b class='flag-5'>詞</b><b class='flag-5'>嵌入</b>

    PyTorch教程-15.5。帶全局向量的嵌入 (GloVe)

    15.5。帶全局向量的嵌入 (GloVe)? Colab [火炬]在 Colab 中打開(kāi)筆記本 Colab [mxnet] Open the notebook in Colab
    的頭像 發(fā)表于 06-05 15:44 ?480次閱讀

    PyTorch教程-15.6. 子嵌入

    15.6. 子嵌入? Colab [火炬]在 Colab 中打開(kāi)筆記本 Colab [mxnet] Open the notebook in Colab Colab [jax
    的頭像 發(fā)表于 06-05 15:44 ?340次閱讀
    主站蜘蛛池模板: 国产亚洲精品影视在线| 99免费观看视频| 老师你狠狂| 99久久精品免费看国产一区二区| 欧洲亚洲精品A片久久99果冻| 城中村快餐嫖老妇对白| 无套内射CHINESEHD| 饥渴的护士自慰被发现| 在线成年av动漫电影| 嫩草影院永久在线一二三四| 苍井空a 集在线观看网站| 为什么丈夫插我我却喜欢被打着插| 国产这里有精品| 最近中文字幕完整版免费高清| 欧美另类老少配hd| 国产CHINESE HD精品| 亚洲乱亚洲乱妇13p| 门鱼电影完整版免费版| 大伊人青草狠狠久久| 亚洲免费无l码中文在线视频| 噜噜噜在线AV免费观看看| 扒开老师大腿猛进AAA片| 无码日本亚洲一区久久精品| 娇妻玩4P被三个男人伺候电影 | 夫妻性姿势真人做视频| 亚洲精品白色在线发布 | 一本之道高清在线观看一区| 蜜柚在线观看免费高清官网视频| 高H高肉强J短篇NP| 亚洲色图在线视频| 欧美另类老少配hd| 国产网红主播精品福利大秀专区| 中国xxxxxxxxx孕交| 日本人69xxx| 精品国产麻豆免费人成网站| 99热这里有精品| 午夜视频在线瓜伦| 美女脱了内裤张开腿让男人桶到爽 | 国产精品久久久久永久免费看 | 日本中文字幕巨大的乳专区| 国产伊人久久|