pytorch

自然语言处理动手学Bert文本分类

坚强是说给别人听的谎言 提交于 2020-10-20 16:51:01
自然语言处理动手学Bert文本分类 Bert作为目前自然语言处理领域最流行的技术之一,文本分类作为自然语言处理领域最常见的任务之一,Pytorch作为目前最流程的深度学习框架之一,三者结合在一起将会产生什么样的花火,本套课程基于Pytorch最新1.4版本来实现利用Bert实现中文文本分类任务,延续动手学系列课程风格,全程手敲代码,跟着老师一行一行代码撸起来。 章节1:课程简介 章节2:Seq2Seq相关理论 章节3:Attention机制 章节4:Bert理论系列基础 章节5:基于Bert的文本分类实战 章节6:基于Bert+CNN的文本分类实战 章节7:基于Bert+RNN的文本分类实战 章节8:基于Bert+RCNN的文本分类实战 章节9:基于Bert+DPCNN的文本分类实战 章节10:基于ERNIE的文本分类实战 来源: oschina 链接: https://my.oschina.net/u/4323266/blog/4681101

无限想象空间,用Python玩转3D人体姿态估计

别说谁变了你拦得住时间么 提交于 2020-10-17 07:53:24
前言 姿态估计,一直是近几年的 研究热点 。 它就是根据画面,捕捉人体的运动姿态,比如 2D 姿态估计: 再比如 3D 姿态估计: 看着好玩, 那这玩应有啥用呢 ? 自动驾驶 ,大家应该都不陌生,很多公司研究这个方向。 自动驾驶里,就用到了 人体行为识别 。 通过摄像头捕捉追踪人体的动作变化,根据肢体动作或变化角度判断人体动作行为,可用于无人车、机器人、视频监控等行为分析需求场景。 而这些的基础,就是人体的姿态估计。 再比如, 虚拟形象 。 通过 真人驱动 ,让虚拟形象具备类比真人的肢体动作,并支持与3D人脸特效、手势识别等功能结合应用,让虚拟形象更加灵活生动,可用于虚拟IP驱动、肢体驱动类游戏、远程授课或播报等场景。 姿态估计,无疑有着巨大的 应用价值 。 但今天,咱们说的这个算法,比上文提到的,还要酷炫一些! 它就是 FrankMocap。 FrankMocap FrankMocap 是港中文联合 Facebook AI 研究院提出的 3D 人体姿态和形状估计 算法 。 不仅仅是估计人体的运动姿态,甚至连 身体的形状 , 手部的动作 都可以一起计算出来。 算法很强大,能够从 单目视频 同时估计出 3D 人体和手部运动,在一块 GeForce RTX 2080 GPU 上能够达到 9.5 FPS。 缺点就是,速度有点慢,计算量较大,达到实时性有一定难度。 不过随着硬件的快速发展