书栈网 · BookStack 本次搜索耗时 0.024 秒,为您找到 548 个相关结果.
  • LoDTensor

    LoDTensor 变长序列的解决方案 LoD 索引 LoDTensor的偏移表示 LoD-Tensor 代码示例 FAQ: 总结 LoDTensor LoD(Level-of-Detail) Tensor是Paddle的高级特性,是对Tensor的一种扩充。LoDTensor通过牺牲灵活性来提升训练的效率。 注:对于大部分用户来说,...
  • Examples

    Examples Semantic Search LLM Pipelines Workflows Model Training Scale Architecture Releases Applications Examples See below for a comprehensive series of example not...
  • 源码编译 (ARMLinux)

    源码编译 (ARMLinux) 编译结果 编译命令 源码编译 (ARMLinux) 注意: 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包括 v2.3)请参考release/v2.3源码编译方法 。 注意: 本编译方法暂时只适用于ARM的设备。 如果您还没有配置好A...
  • Examples

    Examples Semantic Search LLM Pipelines Workflows Model Training Scale Architecture Releases Applications Examples See below for a comprehensive series of example not...
  • 源码编译 (ARMLinux)

    源码编译 (ARMLinux) 编译结果 编译命令 源码编译 (ARMLinux) 注意: 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包括 v2.3)请参考release/v2.3源码编译方法 。 注意: 本编译方法暂时只适用于ARM的设备。 如果您还没有配置好A...
  • 5.1 段落表示理论

    5.1 段落表示理论 5.1 段落表示理论 一阶逻辑中的量化的标准方法仅限于单个句子。然而,似乎是有量词的范围可以扩大到两个或两个以上的句子的例子。。我们之前看到过一个,下面是第二个例子,与它的翻译一起。 ([ x , y ], [ angus ( x ), dog ( y ), own ( x , y )]) 我们可以使用dra...
  • 1.1 语言数据和无限可能性

    1.1 语言数据和无限可能性 1.1 语言数据和无限可能性 前面的章节中已经为你讲述了如何处理和分析的文本语料库,我们一直强调处理大量的每天都在增加的电子语言数据是 NLP 的挑战。让我们更加细致的思考这些数据,做一个思想上的实验,我们有一个巨大的语料库,包括在过去 50 年中英文表达或写成的一切。我们称这个语料库为“现代英语”合理吗?有许多为什么我...
  • 5.3 一般的 N-gram 标注

    5.3 一般的 N-gram 标注 5.3 一般的 N-gram 标注 在基于一元处理一个语言处理任务时,我们使用上下文中的一个项目。标注的时候,我们只考虑当前的词符,与更大的上下文隔离。给定一个模型,我们能做的最好的是为每个词标注其 先验的 最可能的标记。这意味着我们将使用相同的标记标注一个词,如 wind,不论它出现的上下文是 the win...
  • 源码编译 (Android)

    源码编译 (Android) 编译结果 编译命令 源码编译 (Android) Paddle Lite提供了Android平台的官方Release预测库下载,我们优先推荐您直接下载Paddle Lite预编译库 。 注意: 以下编译方法只适用于release/v2.6.0及之后版本(包括 v2.6.0)。release/v2.3及之前版本(包...