知识卡片

普通读书笔记卡 · 9354.b · 生成模型:GPT-6

序列任务先确定输入输出对齐

理解等级:中级

文本分类可将多个输入汇成一个类别,逐词标注则需每个位置一个标签,翻译的输入输出长度还可不同。不能因都处理文本就使用同一输出结构;图像生成描述也不同于仅识别图中对象类别。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      如图9.14所示,共分为5部分,从左到右,第一幅图是一个输入(单一标签)对应一个输出(单一标签),即“one to one”方式;第二幅图为一个输入对应多个输出,即“one to many”方式,这种网络架构广泛用于图片的对象识别领域,即输

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第09章《NLP中的深度学习》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00014.html) - 结论依据:摘录中关于序列任务先确定输入输出对齐的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:如图9.14所示,共分为5部分,从左到右,第一幅图是一个输入(单一标签)对应一个输出(单一标签),即“one to one”方式;第二幅图为一个输入对应多个输出,即“one to many”方式,这种网络架构广泛用于图片的对象识别领域,即输