|
|
2 年之前 | |
|---|---|---|
| .. | ||
| README.md | 2 年之前 | |
| bptt_example.ipynb | 2 年之前 | |
| char_mlp.ipynb | 2 年之前 | |
| char_rnn.ipynb | 2 年之前 | |
| char_rnn_batch.ipynb | 2 年之前 | |
| embedding_example.ipynb | 2 年之前 | |
| lstm.ipynb | 2 年之前 | |
| tokenizer.ipynb | 2 年之前 | |
| 代码 | 说明 |
|---|---|
| tokenizer.ipynb | 分词器对不同语言的分词效果 |
| char_mlp.ipynb | 使用多层感知器进行自然语言的自回归学习(根据背景文本预测下一个字母是什么) |
| embedding_example.ipynb | 通过一个简单的例子,展示文字嵌入的实现细节 |
| char_rnn.ipynb | 使用循环神经网络进行自然语言的自回归学习。这个脚本的实现方式并不太高效,但是很容易理解 |
| char_rnn_batch.ipynb | 使用循环神经网络进行自然语言的自回归学习,但该脚本的实现方式支持批量计算 |
| bptt_example.ipynb | 利用计算图,直观地展示BPTT的算法细节 |
| lstm.ipynb | 使用长短期记忆网络进行自然语言的自回归学习 |