榜单
服务器优惠
AI论文
-
超参优化
PaddleHub 超参优化（AutoDL Finetuner） 一、简介 二、准备工作 1. hparam.yaml 2. train.py 示例 三、启动方式 四、目录结构 五、可视化 六、args参数传递 七、其他 PaddleHub 超参优化（AutoDL Finetuner） 一、简介 目前深度学习模型参数可分为两类... -
快速体验
快速体验 快速体验 安装PaddleHub成功后，执行命令hub run ，可以快速体验PaddleHub无需代码、一键预测的命令行功能，如下三个示例： 使用词法分析 模型LAC进行分词 $ hub run lac -- input_text "今天是个好日子" [{ 'word' : [ '今天' , '是' , '个' ,... -
语义相似度计算
使用Word2Vec进行文本语义相似度计算 一、准备文本数据 二、分词 三、计算文本语义相似度 使用Word2Vec进行文本语义相似度计算 本示例展示利用PaddleHub“端到端地”完成文本相似度计算。 一、准备文本数据 如 驾驶违章一次扣 12 分用两个驾驶证处理可以吗 一次性扣 12 分的违章,能用不满十二分的驾驶证扣分... -
Hook机制
如何修改Task内置方法？ 如何修改Task内置方法？ 了解如何修改Task内置方法，我们首先了解下Task中的事件。 Task定义了组网事件 和运行事件 。其中运行事件的工作流程如下图。 NOTE: 图中提到的运行设置config参见RunConfig说明 “finetune_start_event”，”finetune_end... -
更新历史
更新历史 v1.5.2 v1.5.1 v1.5.0 v1.4.1 v1.4.0 v1.3.0 v1.2.1 v1.1.2 v1.1.1 v1.1.0 v1.0.1 v1.0.0 v0.5.0 更新历史 v1.5.2 优化pyramidbox_lite_server_mask、pyramidb... -
文本Embedding服务
Bert Service 简介 为什么使用Bert Service 什么是Bert Service Bert Service的特点 Step1：准备环境 环境要求 安装步骤 支持模型 Step2：启动服务端(server) 简介 启动 关闭 Step3：启动客户端(client) 简介 启动 Demo——利用Bert Servi... -
快速体验
快速体验 视觉领域场景体验 NLP领域场景体验 快速体验 安装PaddleHub成功后，执行命令hub run ，可以快速体验PaddleHub无需代码、一键预测的命令行功能，如下几个示例： 视觉领域场景体验 使用文字识别 轻量级中文OCR模型chinese_ocr_db_crnn_mobile即可一键快速识别图片中的文字。 $ wge... -
文本Embedding服务
Bert Service 简介 为什么使用Bert Service 什么是Bert Service Bert Service的特点 Step1：准备环境 环境要求 安装步骤 支持模型 Step2：启动服务端(server) 简介 启动 关闭 Step3：启动客户端(client) 简介 启动 Demo——利用Bert Servi... -
hub.dataset
hub.dataset Class hub.dataset.ChnSentiCorp Class hub.dataset.LCQMC Class hub.dataset.NLPCC_DPQA Class hub.dataset.MSRA_NER Class hub.dataset.Toxic Class hub.dataset.SQUAD... -
自定义数据
自定义数据 一、NLP类任务如何自定义数据 数据准备 自定义数据加载 二、CV类任务如何自定义数据 数据准备 自定义数据加载 自定义数据 训练一个新任务时，如果从零开始训练时，这将是一个耗时的过程，并且效果可能达不到理想的效果，此时您可以利用PaddleHub提供的预训练模型进行具体任务的Fine-tune。您只需要对自定义数据进行相应的...