谷歌大脑在论文《Attention Is All You Need》中提出了一个完全基于注意力机制的编解码器模型 Transformer ，它完全抛弃了之前其它模型引入注意力机制后仍然保留的循环与卷积结构，然后在任务表现、并行能力和易于训练性...

与我们上篇博文[Keras深度学习浅尝]实战一结构相同，修改的地方有，定义网络与模型训练两部分，可以对比着来看。通过使用CNN结构，预测准确率略有提升，可以通过修改超参数以获得更优结果。 代码部分...

与我们上篇博文[Keras深度学习浅尝]实战一结构相同，修改的地方有，定义网络与模型训练两部分，可以对比着来看。通过使用RNN结构，预测准确率略有提升，可以通过修改超参数以获得更优结果。 代码部分...

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando（一家德国的时尚科技公司）旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划...

网络模型的介绍： 1，输入网络的形状为（-1，256） 2，Embedding后为（-1，256，16）网络参数为（10000，16） 3，GlobalAveragePooling1D后为（-1，16）详细介绍见此 4，Dense1后（-1，16）网络参数为w:1616 + b:116 共计272 4，De......

TensorFlow 发布以来，已经成为全世界最广泛使用的深度学习库。但 Tensorflow 1.x 时代最广受诟病的问题是：学习门槛较高、API 重复且复杂、模型部署和使用不够方便。之后，谷歌下定决心改变这一问题，在今年早些时候，发布了 ...

用户生成的内容(UGC)在近年来有了明显地增长。这些内容大多是文本的，主要通过在线论坛和社交媒体平台产生，同时也包含着用户对公司/组织或者热点事件的观点评论。...

TensorFlow 2.0 前几天新鲜出炉，Alpha 版可以抢先体验。新版本主打简单易用可扩展，大大简化了 API。

本文将讨论如何利用多种生物信息源，OMIC数据，以便通过深度学习实现更准确的生物系统建模。

本文介绍如何构建深度转换网络实现端到端的文本生成。在这一过程中，包括有关数据清理，训练，模型设计和预测算法相关的内容。