语义角色标注 说明 背景介绍 模型概览 栈式循环神经网络（Stacked Recurrent Neural Network） 双向循环神经网络（Bidirectional Recurrent Neural Network） 条件随机场 (Conditional Random Field) 深度双向LSTM（DB-LSTM）SRL模型 数据介绍 ...

语义角色标注 背景介绍 模型概览 栈式循环神经网络（Stacked Recurrent Neural Network） 双向循环神经网络（Bidirectional Recurrent Neural Network） 条件随机场 (Conditional Random Field) 深度双向LSTM（DB-LSTM）SRL模型 数据介绍 模型配...

语义角色标注 背景介绍 模型概览 栈式循环神经网络（Stacked Recurrent Neural Network） 双向循环神经网络（Bidirectional Recurrent Neural Network） 条件随机场 (Conditional Random Field) 深度双向LSTM（DB-LSTM）SRL模型 数据介绍 模型配...

WeightNormParamAttr WeightNormParamAttr class paddle.static.WeightNormParamAttr ( dim\=None, name\=None, initializer\=None, learning_rate\=1.0, regularizer\=None, trainable\=T...

学习率调度器 学习率调度器 当我们使用诸如梯度下降法等方式来训练模型时，一般会兼顾训练速度和损失(loss)来选择相对合适的学习率。但若在训练过程中一直使用一个学习率，训练集的损失下降到一定程度后便不再继续下降，而是在一定范围内震荡。其震荡原理如下图所示，即当损失函数收敛到局部极小值附近时，会由于学习率过大导致更新步幅过大，每步参数更新会反复越过极小...

学习率调度器 学习率调度器 当我们使用诸如梯度下降法等方式来训练模型时，一般会兼顾训练速度和损失(loss)来选择相对合适的学习率。但若在训练过程中一直使用一个学习率，训练集的损失下降到一定程度后便不再继续下降，而是在一定范围内震荡。其震荡原理如下图所示，即当损失函数收敛到局部极小值附近时，会由于学习率过大导致更新步幅过大，每步参数更新会反复越过极小...

Building a Modern CNN: ResNet Skip Connections A State-of-the-Art ResNet Bottleneck Layers Building a Modern CNN: ResNet We now have all the pieces we need to build the mode...

数字识别 说明: 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Pro...

数字识别 背景介绍 模型概览 Softmax回归(Softmax Regression) 多层感知机(Multilayer Perceptron, MLP) 卷积神经网络(Convolutional Neural Network, CNN) 卷积层 池化层 常见激活函数介绍 数据介绍 Fluid API 概述 配置说明 Program F...

lstm_unit 参数 返回 返回类型 抛出异常 代码示例 lstm_unit 查看属性与别名 API属性：声明式编程(静态图)专用API paddle.fluid.layers.lstm_unit ( x_t, hidden_t_prev, cell_t_prev, forget_bias=0.0, param_attr=None...