知识卡片
循序渐进学习路径
本书采用循序渐进的组织方式:先讲语言模型、迁移学习、注意力机制等基础知识,再进入典型实例,用最新版 PyTorch 或 TensorFlow 从零实现 Transformer 英译中、BERT 中文语句分类、GPT-2 文本生成等。讲解尽量可视化,并辅以关键公式和代码实例,因此没有高等数学背景也能看透原理。全书分两部分:第 1~9 章是 Embedding 基础知识,覆盖发展历史、预训练模型基础与推荐排序系统;第 10~16 章是应用实例,包括分类特征处理、性能提升、机器翻译、推荐前沿应用、中文分类、文本生成与最后的总结。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 前言
原书出处 · 1 处
- 前言 · 查看原书依据
书中先介绍相关基础知识,如语言模型、迁移学习、注意力机制等,所以无须担心没有基础看不懂本书。然后,本书通过多个典型实例,使用最新版本的PyTorch或TensorFlow实现一些核心代码,并从零开始介绍如何实现这些实例
参考来源
- 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》前言(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter2.xhtml)
- 结论依据:原文在“本书特色”“如何阅读本书”中说明了先基础后实例、可视化加公式代码的编排,并给出了两部分共 16 章的具体划分。
- 原始内容:书中先介绍相关基础知识,如语言模型、迁移学习、注意力机制等,所以无须担心没有基础看不懂本书。然后,本书通过多个典型实例,使用最新版本的PyTorch或TensorFlow实现一些核心代码,并从零开始介绍如何实现这些实例