新野| 锡林浩特| 揭阳| 石河子| 台中县| 石拐| 丹凤| 兴安| 建始| 梁平| 罗平| 楚州| 来宾| 泗阳| 沭阳| 茄子河| 苏尼特右旗| 澄江| 新洲| 米林| 君山| 名山| 五营| 黄埔| 德格| 桓台| 聂荣| 郫县| 兰溪| 临沭| 鄂州| 唐海| 加查| 献县| 盱眙| 九龙坡| 金湖| 喀喇沁旗| 兰考| 巨鹿| 巫溪| 阳朔| 新兴| 南浔| 兴宁| 台南县| 池州| 彭州| 溧阳| 垣曲| 资溪| 寿光| 建德| 越西| 太仆寺旗| 兴宁| 漠河| 宜都| 汉南| 盐山| 大通| 鲅鱼圈| 阿巴嘎旗| 樟树| 陈仓| 衢江| 盘锦| 大同县| 红原| 布拖| 鄂托克前旗| 饶阳| 阿图什| 宁夏| 凌海| 麻江| 洛隆| 六合| 楚雄| 广河| 麦盖提| 鸡东| 友好| 金山| 阿拉善左旗| 新泰| 东川| 洪雅| 云龙| 青铜峡| 吉安县| 汤阴| 那坡| 东乌珠穆沁旗| 勐海| 邕宁| 五莲| 同德| 张掖| 呼和浩特| 上饶县| 郎溪| 普陀| 开阳| 彭州| 蕲春| 石狮| 沛县| 临高| 阿勒泰| 刚察| 古田| 定安| 万盛| 凤翔| 绛县| 灯塔| 闻喜| 衡东| 同仁| 团风| 嘉兴| 墨脱| 安塞| 班玛| 赣县| 靖宇| 德令哈| 苍梧| 蓝田| 彭山| 鄄城| 衡阳县| 尼木| 惠州| 松原| 西平| 瑞丽| 文登| 阳谷| 衢州| 大渡口| 天池| 华池| 九龙坡| 莘县| 循化| 昭觉| 赫章| 泉港| 祁连| 天长| 渭南| 楚雄| 剑阁| 沂南| 青冈| 乌鲁木齐| 灵川| 甘泉| 本溪满族自治县| 丰宁| 南汇| 庆阳| 栖霞| 襄樊| 潮州| 云霄| 舞阳| 嘉义市| 乌拉特中旗| 天祝| 花莲| 塔河| 桦甸| 广饶| 玉树| 武乡| 酉阳| 永新| 泸水| 福安| 余干| 马边| 进贤| 金山屯| 平坝| 兴宁| 铁山港| 晴隆| 河池| 葫芦岛| 临清| 沙河| 衡水| 开江| 龙游| 黑山| 普安| 宁海| 常德| 冠县| 介休| 灵丘| 开封县| 惠州| 临海| 陆川| 桂东| 光山| 洋山港| 黟县| 河南| 戚墅堰| 宝坻| 梨树| 贵州| 比如| 灌南| 鼎湖| 木兰| 安徽| 清水河| 陆良| 德庆| 迁安| 武都| 贺州| 老河口| 阜新市| 敦化| 武陵源| 大竹| 鲁山| 公安| 汝城| 红河| 额尔古纳| 巴南| 衢州| 蕲春| 南陵| 武冈| 隆林| 同心| 巴东| 昌邑| 济源| 岱岳| 嫩江| 宿迁| 从化| 多伦| 和布克塞尔| 咸丰| 从江| 科尔沁左翼中旗| 固安| 新巴尔虎右旗| 巴青| 阿拉善右旗| 威宁| 兴县| 会泽| 我的异常网

将史诗实践转化为史诗作品(文论经纬)

2018-07-23 08:16 来源:天翼网

  将史诗实践转化为史诗作品(文论经纬)

  我的异常网报道称,中宣部将直接监管出版物的内容并对电影进行审查,还将指导电影的进出口工作。3月19日报道境外媒体称,针对美国总统特朗普签署《台湾旅行法》,国务院台办发言人安峰山18日回复记者询问时表示,坚决反对美方签署这个法案,已向美方提出严正交涉。

首款获美国批准的中国产仿制药是在2007年获批的,这比印度晚了10年。另有一位美国政府消息人士对路透社称,与301条款知识产权调查有关的关税也可能于近期实施。

  NASA的源光谱释义资源安全风化层辨认探测器(OSIRIS-REx)飞行动力学系统经理迈克尔·莫罗说:只要把小行星的一半涂上不同的颜色就会改变热力性质,从而改变其轨道。在世界著名景观设计师俞孔坚看来,如何应对极端天气的答案其实藏在传统中。

  无独有偶,台当局也没闲着。不管在什么时候,她的观众经常高达200人。

3月25日报道港媒称,中国于近日确认进行了一系列海上电磁炮试验,美国海军作战部长则在本月国会一个小组委员会讲话时呼吁对这种武器给予更多关注,并表示尚未进行过电磁炮海上试射的美国正充分投入于完善这一武器装置,尽管有报道说这个计划因成本和技术原因被取消。

  若非盟55个成员国都能签署该协定,自贸区将开启一个覆盖12亿人口、国内生产总值超过万亿美元的巨大市场。

  中国科技创新令世人瞩目。瑞信中国消费研究主管陈亚雷说:更为自信的一代中国消费者日益壮大,这让我们很意外。

  3月1日报道美国《国际航空新闻》月刊网站2月21日报道称,在最近的新加坡航展上,中国朗星无人机系统有限公司展示了最新的喷气式无人飞机星影。

  2017年3月,网络新闻机构战马组织披露,有约3万人加入了脸书网站上的一个群组,现役和退役海军陆战队员在那里分享女兵的裸照,对她们发表诋毁评论,并对一些女性进行威胁。俞孔坚是北京大学建筑与景观设计学院的创始人和院长,他以将中国古代的供水系统理念重新引入现代设计而著称。

  所以贸易保护主义并不能解决美国的失业问题,只会阻碍经济发展。

  据俄罗斯卫星通讯社网站报道称,当地时间3月1日,俄罗斯总统弗拉基米尔·普京在发表俄罗斯联邦国情咨文时,以视频形式向俄罗斯民众展示了俄新近研制的一系列超级武器。

  报道称,如果说在贝弗利山有组织参观艺术家住所的活动,那么在伦敦就有沿着间谍世界的神经系统参观的路线。诉状指出,受到黑客攻击的教授中有3768名来自美国144所大学,诉状未列出遭到黑客袭击的学术机构或公司的名称,但是指出了受害者包括学术出版商、一家生物技术公司和11家科技公司。

   我的异常网 我的异常网

  将史诗实践转化为史诗作品(文论经纬)

 
责编:
注册

将史诗实践转化为史诗作品(文论经纬)

3月25日报道港媒称,中国于近日确认进行了一系列海上电磁炮试验,美国海军作战部长则在本月国会一个小组委员会讲话时呼吁对这种武器给予更多关注,并表示尚未进行过电磁炮海上试射的美国正充分投入于完善这一武器装置,尽管有报道说这个计划因成本和技术原因被取消。


来源:机器之心

原标题:资源 | DMLC团队发布GluonCV和GluonNLP:两种简单易用的DL工具箱 选自?

原标题:资源 | DMLC团队发布GluonCV和GluonNLP:两种简单易用的DL工具箱

选自 Gluon

机器之心编译

参与:思源、李亚洲

近日,DMLC 发布了简单易用的深度学习工具箱 GluonCV 和 GluonNLP,它们分别为计算机视觉和自然语言处理提供了顶级的算法实现与基本运算。本文简要介绍了这两个工具箱,并提供了基本的使用示例,更多详细的内容请查看它们的原文档。

  • GluonCV 文档地址:http://gluon-cv.mxnet.io.pilotjunkie.com 

  • GluonNLP 文档地址:http://gluon-nlp.mxnet.io.pilotjunkie.com/

自去年以来,MXNet 的动态图接口 Gluon 凭借着它的简单易用、并行效率高和节省显存等特点,成为了非常受欢迎的一个开源工具。此外,Gluon 最大的特点就是文档和教程齐全,李沐及 MXNet 团队还发布了一系列「动手学深度学习」的公开课。

GluonCV 和 GluonNLP 继承了 Gluon 的优良传统,它们都能使用简单易用的 API 构建复杂的深度神经网络。此外,这两个项目目前都处于开发的早期阶段,它们的更新频率会比较高。因此,各位读者对该项目的贡献将极大地完善用户体验和工具性能。

  • GluonCV 项目地址:https://github.com/dmlc/gluon-cv

  • GluonNLP 项目地址:https://github.com/dmlc/gluon-nlp

GluonCV 提供了计算机视觉领域顶级深度学习算法的实现。设计上,GluonCV 是为了帮助工程师、研究人员、学生快速的做出产品原型、验证新思路、学习计算机视觉。

1. 训练脚本从而重现最新论文中的顶级结果;

2. 大量的预训练模型;

3. 细心设计的 API,便于理解实现;

4. 社区支持。

GluonNLP 提供了 NLP 领域顶级深度学习模型的实现,且建立了文本数据管道和模型的模块。设计上,它同样也是为了让工程师、研究员和学生能快速的实现研究思路,做出产品原型。该工具箱提供以下四大特征:

1. 训练脚本来重现研究论文中的顶级结果;

2. 通用 NLP 任务的预训练模型;

3. 仔细设计的 API,极大的减少了实现的复杂性;

4. 社区支持。

安装

安装 MXNET

GluonCV 和 GluonNLP 都依赖最新版的 MXNet,最简单的方式是通过 pip 安装 MXNet,运行下面的命令行将安装 CPU 版本的 MXNet。

pip install --pre --upgrade mxnet

安装 GluonCV

使用 pip 是安装 GluonCV 最简单的方式:

pip install gluoncv

当然,我们也可以使用 Git 复制 GluonCV 项目并在本地安装:

git clone https://github.com/dmlc/gluon-cvcd gluon-cv && python setup.py install --user

安装 GluonNLP

同样,通过以下 pip 命令安装 GluonNLP 也是最简单的:

pip install gluonnlp


这两个工具目前都提供了案例或教程,但 GluonNLP 假定了用户对深度学习与 NLP 有基础理解,GluonCV 的教程假定用户对深度学习与计算机视觉有基础了解。以下简要展示了这两个工具的使用案例。


以下的案例将使用 20 层的残差网络在 CIFAR10 上从头开始训练,我们这里只展示了模型架构和最优化方法。使用 GluonCV 首先需要导入这个库:

import numpy as np
import mxnet as mx

from mxnet import gluon, nd
from mxnet import autograd as ag
from mxnet.gluon import nn

from gluoncv.model_zoo import get_model

选择模型架构可以简单地从已有模型中导入,以下将从 GluonCV 的模型库中导入用于 CIFAR10 的 20 层残差网络:


# number of GPUs to use
num_gpus = 1
ctx = [mx.gpu(i) for i in range(num_gpus)]

# Get the model CIFAR_ResNet20_v1, with 10 output classes, without pre-trained weights
net = get_model('cifar_resnet20_v1', classes=10)
net.initialize(mx.init.Xavier(), ctx = ctx)


而剩下的优化方法及损失函数的配置就可以通过一般的 Gluon 接口完成,这同样也是非常简明和高效的使用方法。


# Learning rate decay factor
lr_decay = 0.1
# Epochs where learning rate decays
lr_decay_epoch = [80, 160, np.inf]

# Nesterov accelerated gradient descent
optimizer = 'nag'
# Set parameters
optimizer_params = {'learning_rate': 0.1, 'wd': 0.0001, 'momentum': 0.9}

# Define our trainer for net
trainer = gluon.Trainer(net.collect_params(), optimizer, optimizer_params)

loss_fn = gluon.loss.SoftmaxCrossEntropyLoss()

对于 GluonNLP 来说,一般的任务都可以分为加载数据、构建词表、搭建模型和加载词嵌入等。以下将针对这些步骤展示该自然语言处理库的简单使用过程。

首先,以下代码将导入 GluonNLP,并加载 Wikitext-2 数据集:

>>> import gluonnlp as nlp
>>> train = nlp.data.WikiText2(segment='train')
>>> train[0][0:5]
['=', 'Valkyria', 'Chronicles', 'III', '=']


随后,我们可以根据上面导入的数据集创建词表:

>>> vocab = nlp.Vocab(counter=nlp.data.Counter(train[0]))
>>> vocab
Vocab(size=33280, unk=" " , reserved="[' ', ' ', ' ']" )


创建词表后,我们就能继续构建神经网络模型。如下将从模型仓库中导入一个标准的 RNN 语言模型,并将其应用到上面加载的数据集上:

>>> model = nlp.model.language_model.StandardRNN('lstm', len(vocab),
...                                             200, 200, 2, 0.5, True)
>>> model
StandardRNN(
 (embedding): HybridSequential(
   (0): Embedding(33280 -> 200, float32)
   (1): Dropout(p = 0.5, axes=())
 )
 (encoder): LSTM(200 -> 200.0, TNC, num_layers=2, dropout=0.5)
 (decoder): HybridSequential(
   (0): Dense(200 -> 33280, linear)
 )
)

最后,加载词嵌入表征就能馈送到模型并进行训练。如下将加载 GloVe 词嵌入表征,它是一种顶级的英语词嵌入方法:

>>> glove = nlp.embedding.create('glove', source='glove.6B.50d')
# Obtain vectors for 'baby' in the GloVe word embedding
>>> type(glove['baby'])
<class 'mxnet.ndarray.ndarray.NDArray'>
>>> glove['baby'].shape
(50,)


本文为机器之心编译,转载请联系本公众号获得授权

?------------------------------------------------

加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com

投稿或寻求报道:editor@jiqizhixin.com

广告 & 商务合作:bd@jiqizhixin.com

  • 好文
  • 钦佩
  • 喜欢
  • 泪奔
  • 可爱
  • 思考

凤凰网科技官方微信

凤凰新闻 天天有料
分享到:
百度