• DeepLearning4j-11-Tokenization 分词
  Tokenizer 在 DL4J 中将文本分解为单个单词以进行语言处理。 注意事项： Tokenizer 工厂接口 Tokenizer 接口 如何编写自己的工厂和 tokenizer Tokenization 什么是 Tokenization？ 标记化是将文本分解为单个单词的过程。 Word 窗口也由标记组成。 ...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-10-Sentence Iterator 句子迭代器
  Sentence Iterator 句子迭代器 Word2vec 和 Bag of Words 中都使用了句子迭代器。 它以向量的形式将文本位输入神经网络，还涵盖了文本处理中的文档概念。 在自然语言处理中，文档或句子通常用于封装算法应该学习的上下文。 一些例子包括分析推文和全面的新闻文章。句子迭代器的目的是将文本划分为可处理的位。 请注意，句子迭代器与输入无关。因此，一些文本（文档...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-09-DOC2VEC
  Doc2Vec DL4J 中用于语言处理的 Doc2Vec 和任意文档。 Doc2Vec 的主要目的是将任意文档与标签相关联，因此需要标签。 Doc2vec 是 word2vec 的扩展，它学习关联标签和单词，而不是单词与其他单词。 Deeplearning4j 的实现旨在服务于 Java、Scala 和 Clojure 社区。 第一步是提出一个表示文档“含义”的向量，然后可以将其...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-08-DL4j Language Processing 语言处理
  语言处理 DL4J 中的语言处理概述 虽然设计的目的不是为了与斯坦福 CoreNLP 或 NLTK 等工具相媲美，但 deepLearning4J 确实包含一些此处描述的核心文本处理工具。 Deeplearning4j 的 NLP 支持包含不同 NLP 库的接口。 用户通过我们的接口包装第三方库。 从 M1 开始的 Deeplearning4j 不直接支持任何 3rd 方库。 这...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-07-DL4j 快速开始
  DL4j 这是运行 DL4J 示例和开始您自己的项目所需的一切。 我们建议您加入我们的社区论坛。 您可以在那里请求帮助并提供反馈，但请在提出我们在下面回答的问题之前使用本指南。 如果您不熟悉深度学习，我们为初学者提供了路线图，其中包含课程、阅读材料和其他资源的链接。 我们目前正在重新编写入门指南。 如果您发现无法按照此处进行操作，请查看 Konduit 博客，因为它包含一些来自社...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-06-Hello world 入门教程
  入门 深度学习的入门例子。 准备工作 maven 3+ jdk11 安装。 ps: 官方给定的 demo，依赖的 jar 是 11 的版本。所以需要安装 jdk11。 pom.xml 引入对应的 maven 包。 <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apach...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-05-Multi Project backend config 后端配置
  后端 Eclipse Deeplearning4j 的硬件设置，包括 GPU 和 CUDA。 ND4J 在所谓的后端或线性代数库上工作，例如 Native nd4j-native 和 nd4j-cuda-10.2 (GPU)，您可以通过将正确的依赖项粘贴到项目的 POM.xml 文件中来选择它们。 用于 GPU 和 CPU 的 ND4J 后端 通过更改 ND4J 的 POM.xml ...
  2022-10-14 01:22:02 | AI
• DeepLearning4j-04-Multi Project 核心流程
  介绍 端到端工作流程涉及以下内容： 准备数据 正则化 建立模型 调整模型 准备部署 此页面将尝试涵盖每个工作流程的注意事项，并链接到其他资源，以了解如何处理可能特定于特定人员的每个步骤。 准备数据 数据总是需要进行预处理。 这意味着将数据从不同数据类型的原始源转换为要由神经网络处...
  2022-10-14 01:22:02 | AI