对比学习在NLP中的应用，很不错的资源汇总

对比学习在NLP中的应用，很不错的资源汇总 目前的NLP模型在很大程度上依赖于有效的表示学习算法。对比学习就是这样一种技术，它可以学习一个嵌入空间，使相似的数据样本对具有接近的表征，而不相似的样本则彼此相距甚远。它可以在有监督或无监督的情况下使用不同的损失函数来产生特定任务或通用的表征。虽然它最初使视觉任务获得了成功，但近年来，对比性NLP的出版物越来越多。这第一线的工作不仅在各种NLP任务中提供了有希望的性能改进，而且还提供了理想的特征，如任务无关的句子表示、忠实的文本生成、在0-shot和少量设置中的数据高效学习、可解释性和可解释性。 | #NLP

相关推荐

封面图片

百度飞桨发布了一款 NLP 全流程自动化开发平台，用户只需进行简单拖拉拽，无需编写任何算法与代码，即可实现诸多 NLP 应用落地

百度飞桨发布了一款 NLP 全流程自动化开发平台，用户只需进行简单拖拉拽，无需编写任何算法与代码，即可实现诸多 NLP 应用落地。 其中包括文本分类、文本创作、情感倾向分析、短文本相似度匹配、实体抽取、实体关系抽取、评论观点抽取等任务类型。 近日，该平台已将底层「文心大模型 ERNIE」升级至 3.0，新增了海量中文数据知识储备、小样本快捷训练、任务效果平均提升至90%以上、多场景创作等特性。 针对此项目，开发者们将在本周开放一场公开课，主要讲解 NLP 应用开发的常见问题及解决方案，产业应用落地实现， NLP 项目实战等内容，感兴趣的同学可以参与一下。 ||| #NLP 直播时间： 本周四，晚上 20:00
封面图片

视觉、语音、文本的高效自监督学习 |导语：人工智能最近的许多突破都是由自我监督学习推动的，它使机器能够在不依赖标记数据的情况下进

视觉、语音、文本的高效自监督学习 |导语：人工智能最近的许多突破都是由自我监督学习推动的，它使机器能够在不依赖标记数据的情况下进行学习。但是当前的算法有几个明显的局限性，通常包括专门用于单一模态（例如图像或文本）并且需要大量的计算能力。这与人类学习形成鲜明对比：人们似乎比当前的 AI 学习效率更高，并且还以类似的方式从不同类型的信息中学习，而不是依赖于文本、语音和其他模式的单独学习机制。 今年早些时候，当我们发布 data2vec 时，Meta AI 解决了其中一个限制， data2vec 是第一个以相同方式学习三种不同模式（语音、视觉和文本）的高性能自监督算法。Data2vec 使得将文本理解等方面的研究进展应用于图像分割或语音翻译任务变得更加容易。 今天，我们将分享 data2vec 2.0，这是一种新算法，它的效率大大提高，并且性能优于其前身的强大性能。它实现了与最流行的现有计算机视觉自监督算法相同的精度，但速度提高了 16 倍。
封面图片

机器学习/深度学习一切主题 (学习范式/任务/应用/模型/道德/交叉学科/数据集/框架/教程) 的资源列表汇总此列表包含380+

机器学习/深度学习一切主题 (学习范式/任务/应用/模型/道德/交叉学科/数据集/框架/教程) 的资源列表汇总此列表包含380+条目（2021年12月），这个项目的愿景是： 帮助初学者理解 #机器学习 的各种分支和最新进展； 帮助研究者快速熟悉、了解新的研究方向； 帮助工程师寻找合适的教程和工具以解决实际问题
封面图片

深度学习在CTR预估业务中的应用

深度学习在CTR预估业务中的应用 描述：2017年Archsummit全球架构师峰会 - 深度学习在CTR预估业务中的应用！ 链接： 大小：NG 标签：#学习 #知识 #课程 #资源 来自：雷锋 频道：@Aliyundrive_Share_Channel 群组：@alyd_g 投稿：@AliYunPanBot
封面图片

《学习工厂》简介：学习工厂可能是一款寓教于乐的游戏，将学习元素融入工厂经营玩法中。玩家在经营工厂的过程中，需要学习生产知识、管理

《学习工厂》 简介：学习工厂可能是一款寓教于乐的游戏，将学习元素融入工厂经营玩法中。玩家在经营工厂的过程中，需要学习生产知识、管理技巧，通过完成任务提升能力，在趣味游戏中掌握知识，实现学习与娱乐的结合 标签： #学习工厂 #教育游戏 #工厂经营 #知识学习 文件大小 NG 链接：https://pan.quark.cn/s/092f591df42f
封面图片

EasyCV是一个涵盖多个领域的基于Pytorch的计算机视觉工具箱，聚焦自监督学习和视觉transformer关键技术，覆盖主

EasyCV是一个涵盖多个领域的基于Pytorch的计算机视觉工具箱，聚焦自监督学习和视觉transformer关键技术，覆盖主流的视觉建模任务例如图像分类，度量学习，目标检测，关键点检测等。 核心特性： SOTA 自监督算法 EasyCV提供了state-of-the-art的自监督算法，有基于对比学习的算法例如 SimCLR，MoCO V2，Swav， Moby，DINO，也有基于掩码图像建模的MAE算法，除此之外我们还提供了标准的benchmark工具用来进行自监督算法模型的效果评估。 视觉Transformers EasyCV聚焦视觉transformer技术，希望通过一种简洁的方式让用户方便地使用各种SOTA的、基于自监督预训练和imagenet预训练的视觉transformer模型，例如ViT，Swin-Transformer，Shuffle Transformer，未来也会加入更多相关模型。此外，我们还支持所有timm仓库中的预训练模型. 易用性和可扩展性 除了自监督学习，EasyCV还支持图像分类、目标检测，度量学习，关键点检测等领域，同时未来也会支持更多任务领域。 尽管横跨多个任务领域，EasyCV保持了统一的架构，整体框架划分为数据集、模型、回调模块，非常容易增加新的算法、功能，以及基于现有模块进行扩展。 推理方面，EasyCV提供了端到端的简单易用的推理接口，支持上述多个领域。 此外所有的模型都支持使用PAI-EAS进行在线部署，支持自动伸缩和服务监控。 高性能 EasyCV支持多机多卡训练，同时支持TorchAccelerator和fp16进行训练加速。在数据读取和预处理方面，EasyCV使用DALI进行加速。对于模型推理优化，EasyCV支持使用jit script导出模型，使用PAI-Blade进行模型优化。 | #计算机视觉 #工具

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人