PaddlePaddle 实现

4787 未经授权,禁止转载了解课程
课程介绍
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
适合人群
互联网、多媒体、智能化等it行业
你将会学到
针对序列数据的处理,有着很多方法,使用深度学习方法同样可行。通过本课我们期望能够更好让大家学习如何使用深度学习的两类网络处理序列数据。这样的方法可以应用在任何序列场景中。
课程简介

文本数据是常见数据之一,我们可以通过算法这些数据中找到特定的模式。本节课给出文本数据分析的典型场景的介绍。卷积神经网络是处理图像数据的重要工具,但是对于文本数据,我们其实也有一些技术将其应用起来。本节课我们介绍卷积神经网络进行文本分类。循环神经网络天生针对的是序列数据,文本也不例外,使用循环神经网络我们可以完成一些分类任务。本节课我们介绍循环神经网络情感分析的模型。接着简要介绍生成诗歌的深度学习模型。最后介绍如何使用 PaddlePaddle 实现 CNN 和 RNN 进行情感分析的任务。

展开更多
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
提问

讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。

记录时间点
记录提问时视频播放的时间点,便于后续查看
公开提问
提交