Inicio>Relacionado con la programación>Código Fuente de IA
Descargar

logo

NLP-Models-Tensorflow , reúne modelos de aprendizaje automático y aprendizaje profundo de tensorflow para problemas de PNL, simplifica el código dentro de Jupyter Notebooks al 100% .

Tabla de contenido

  • Resumen abstracto
  • chatbot
  • Analizador de dependencias
  • Etiquetado de entidades
  • Resumen extractivo
  • Generador
  • Detección de idioma
  • Traducción automática neuronal
  • LOC
  • Etiquetado de puntos de venta
  • Preguntas-Respuestas
  • Pares de oraciones
  • Voz a texto
  • Corrección ortográfica
  • Preguntas y respuestas de SQUAD
  • Derivado
  • Aumento de texto
  • Clasificación de texto
  • Similitud de texto
  • Texto a voz
  • Generador de temas
  • Modelado de temas
  • Resumen extractivo no supervisado
  • Vectorizador
  • Vocoder de viejo a joven
  • Visualización
  • Atención

Objetivo

Las implementaciones originales son bastante complejas y no son realmente aptas para principiantes. Entonces traté de simplificar la mayor parte. Además, hay toneladas de documentos de implementación que aún no se han publicado. ¡Así que siéntete libre de utilizarlo para tu propia investigación!

Adjuntaré repositorios de github para modelos que no implementé desde cero, básicamente copio, pego y soluciono esos códigos para problemas obsoletos.

Versión tensorflow

Tensorflow versión 1.13 y superior únicamente, no incluida la versión 2.X. 1,13 <flujo tensor < 2,0 

pip install -r requirements.txt

Contenido

Resumen abstracto

Capacitado en noticias de la India.

Precisión basada únicamente en 10 épocas, calculada utilizando posiciones de palabras.

Lista completa (12 cuadernos)
  1. LSTM Seq2Seq utiliza modelado de temas, precisión de la prueba 13,22%
  2. LSTM Seq2Seq + Luong Atención mediante modelado de temas, precisión de la prueba 12,39%
  3. LSTM Seq2Seq + Beam Decoder usando modelado temático, precisión de prueba 10,67%
  4. LSTM Bidireccional + Atención Luong + Decodificador de haz usando modelado temático, precisión de prueba 8,29%
  5. Pointer-Generator + Bahdanau, https://github.com/xueyouluo/my_seq2seq, precisión de la prueba 15,51%
  6. Copynet, precisión de la prueba 11,15%
  7. Pointer-Generator + Luong, https://github.com/xueyouluo/my_seq2seq, precisión de la prueba 16,51%
  8. Seq2Seq dilatado, precisión de la prueba 10,88%
  9. Seq2Seq dilatado + Atención propia, precisión de la prueba 11,54%
  10. BERT + CNN Seq2seq dilatado, precisión de la prueba 13,5%
  11. autoatención + Generador de punteros, precisión de la prueba 4,34%
  12. Dilatado-CNN Seq2seq + Generador de puntero, precisión de la prueba 5,57%

chatbot

Capacitado en el corpus Cornell Movie Dialog, tabla de precisión en chatbot.

Lista completa (54 cuadernos)
  1. Celda basica Seq2Seq-manual
  2. LSTM Seq2Seq-manual
  3. GRU Seq2Seq-manual
  4. Celda básica Seq2Seq-API codiciosa
  5. LSTM Seq2Seq-API codicioso
  6. GRU Seq2Seq-API codicioso
  7. Célula básica Bidireccional Seq2Seq-manual
  8. LSTM Bidireccional Seq2Seq-manual
  9. GRU Bidireccional Seq2Seq-manual
  10. Celda básica Bidireccional Seq2Seq-API Greedy
  11. LSTM bidireccional Seq2Seq-API codicioso
  12. GRU bidireccional Seq2Seq-API codicioso
  13. Celda básica Seq2Seq-manual + Atención Luong
  14. LSTM Seq2Seq-manual + Atención Luong
  15. GRU Seq2Seq-manual + Atención Luong
  16. Celda básica Seq2Seq-manual + Atención Bahdanau
  17. LSTM Seq2Seq-manual + Atención Bahdanau
  18. GRU Seq2Seq-manual + Bahdanau Atención
  19. LSTM Bidireccional Seq2Seq-manual + Atención Luong
  20. GRU Bidireccional Seq2Seq-manual + Atención Luong
  21. LSTM Bidireccional Seq2Seq-manual + Atención Bahdanau
  22. GRU Bidireccional Seq2Seq-manual + Atención Bahdanau
  23. LSTM Bidireccional Seq2Seq-manual + Bahdanau hacia atrás + Luong hacia adelante
  24. GRU Bidireccional Seq2Seq-manual + Bahdanau hacia atrás + Luong hacia adelante
  25. LSTM Seq2Seq-API Codicioso + Atención Luong
  26. GRU Seq2Seq-API Codicioso + Atención Luong
  27. LSTM Seq2Seq-API Codicioso + Atención Bahdanau
  28. GRU Seq2Seq-API Codicioso + Atención Bahdanau
  29. Decodificador de haz LSTM Seq2Seq-API
  30. Decodificador de haz GRU Seq2Seq-API
  31. LSTM Bidireccional Seq2Seq-API + Atención Luong + Decodificador de haz
  32. GRU Bidireccional Seq2Seq-API + Luong Atención + Decodificador de haz
  33. LSTM Bidireccional Seq2Seq-API + Bahdanau hacia atrás + Luong hacia adelante + Atención de Stack Bahdanau Luong + Decodificador de haz
  34. GRU Bidireccional Seq2Seq-API + Bahdanau hacia atrás + Luong hacia adelante + Atención de Stack Bahdanau Luong + Decodificador de haz
  35. Bytenet
  36. LSTM Seq2Seq + tf.estimador
  37. Capas de cápsulas + LSTM Seq2Seq-API Greedy
  38. Capas de cápsula + LSTM Seq2Seq-API + Luong Attention + Beam Decoder
  39. LSTM Bidireccional Seq2Seq-API + Bahdanau hacia atrás + Luong hacia adelante + Atención de Stack Bahdanau Luong + Decodificador de haz + Abandono + L2
  40. DNC Sec2Seq
  41. LSTM Bidireccional Seq2Seq-API + Atención Monótica Luong + Decodificador de haz
  42. LSTM Bidireccional Seq2Seq-API + Atención monótica de Bahdanau + Decodificador de haz
  43. Red de memoria de extremo a extremo + celda básica
  44. Red de memoria de extremo a extremo + celda LSTM
  45. Atención es todo lo que necesitas
  46. Transformador-XL
  47. Atención es todo lo que necesitas + Beam Search
  48. Transformador-XL + LSTM
  49. GPT-2 + LSTM
  50. CNN Seq2seq
  51. Codificador de conversión + LSTM
  52. Tacotron + Decodificador codicioso
  53. Tacotron + Decodificador de haz
  54. NMT de Google

Analizador de dependencias

Capacitado en CONLL Dependencia del Inglés. Conjunto de entrenamiento para entrenar, conjuntos de desarrollo y prueba para probar.

Stackpointer y Biaffine-attention originalmente de https://github.com/XuezheMax/NeuroNLP2 escrito en Pytorch.

Precisión basada en la precisión del arco, los tipos y la raíz después de 15 épocas únicamente.

Lista completa (8 cuadernos)
  1. RNN bidireccional + CRF + Biaffine, precisión de arco 70,48%, precisión de tipos 65,18%, precisión de raíz 66,4%
  2. RNN bidireccional + Bahdanau + CRF + Biaffine, precisión de arco 70,82 %, precisión de tipos 65,33 %, precisión de raíz 66,77 %
  3. RNN bidireccional + Luong + CRF + Biaffine, precisión de arco 71,22 %, precisión de tipos 65,73 %, precisión de raíz 67,23 %
  4. BERT Base + CRF + Biaffine, precisión de arco 64,30%, precisión de tipos 62,89%, precisión de raíz 74,19%
  5. RNN bidireccional + Atención biafina + Entropía cruzada, precisión de arco 72,42 %, precisión de tipos 63,53 %, precisión de raíz 68,51 %
  6. Base BERT + Atención biafina + Entropía cruzada, precisión de arco 72,85 %, precisión de tipos 67,11 %, precisión de raíz 73,93 %
  7. RNN bidireccional + Stackpointer, precisión de arco 61,88%, precisión de tipos 48,20%, precisión de raíz 89,39%
  8. Base XLNET + Atención biafina + Entropía cruzada, precisión de arco 74,41 %, precisión de tipos 71,37 %, precisión de raíz 73,17 %

Etiquetado de entidades

Capacitado en CONLL NER.

Lista completa (9 cuadernos)
  1. RNN + CRF bidireccional, precisión de prueba 96%
  2. RNN bidireccional + Atención Luong + CRF, precisión de la prueba 93%
  3. RNN bidireccional + Atención Bahdanau + CRF, precisión de la prueba 95%
  4. Char Ngrams + RNN bidireccional + Atención Bahdanau + CRF, precisión de la prueba 96%
  5. Char Ngrams + RNN bidireccional + Atención Bahdanau + CRF, precisión de la prueba 96%
  6. Char Ngrams + Red Residual + Atención Bahdanau + CRF, precisión de la prueba 69%
  7. Char Ngrams + Atención es lo que todos necesitáis + CRF, precisión de la prueba 90%
  8. BERT, precisión de la prueba 99%
  9. XLNET-Base, precisión de prueba del 99%

Resumen extractivo

Capacitado en el conjunto de datos de CNN News.

Precisión basada en ROUGE-2.

Lista completa (4 cuadernos)
  1. LSTM RNN, precisión de la prueba 16,13%
  2. CNN dilatado, precisión de la prueba 15,54%
  3. Atención multicabezal, precisión de la prueba 26,33%
  4. Base BERT

Generador

Entrenado en el conjunto de datos de Shakespeare.

Lista completa (15 cuadernos)
  1. RNN + LSTM según caracteres
  2. RNN por caracteres + búsqueda de haz
  3. RNN por caracteres + LSTM + incrustación
  4. RNN + LSTM en términos de palabras
  5. RNN en palabras + LSTM + incrustación
  6. En cuanto a caracteres + Seq2Seq + GRU
  7. Palabras + Seq2Seq + GRU
  8. RNN basado en caracteres + LSTM + Atención de Bahdanau
  9. RNN basado en caracteres + LSTM + Atención Luong
  10. En términos de palabras + Seq2Seq + GRU + Beam
  11. En cuanto a caracteres + Seq2Seq + GRU + Atención Bahdanau
  12. Palabras + Seq2Seq + GRU + Atención Bahdanau
  13. Búsqueda de haz CNN + dilatada por caracteres
  14. Transformador + Búsqueda de haz
  15. Transformador XL + Búsqueda de haz

Detección de idioma

Entrenado en el conjunto de datos de Tatoeba.

Lista completa (1 cuadernos)
  1. Char N-Grams de texto rápido

Traducción automática neuronal

Formación en inglés-francés, tabla de precisión en traducción automática neuronal.

Lista completa (53 cuadernos)

1.basic-seq2seq 2.lstm-seq2seq 3.gru-seq2seq 4.basic-seq2seq-contrib-codicioso 5.lstm-seq2seq-contrib-codicioso 6.gru-seq2seq-contrib-codicioso 7.basic-birnn-seq2seq 8.lstm-birnn-seq2seq 9.gru-birnn-seq2seq 10.basic-birnn-seq2seq-contrib-codicioso 11.lstm-birnn-seq2seq-contrib-codicioso 12.gru-birnn-seq2seq-contrib-codicioso 13.basic-seq2seq-luong 14.lstm-seq2seq-luong 15.gru-seq2seq-luong 16.basic-seq2seq-bahdanau 17.lstm-seq2seq-bahdanau 18.gru-seq2seq-bahdanau 19.basic-birnn-seq2seq- bahdanau 20.lstm-birnn-seq2seq-bahdanau 21.gru-birnn-seq2seq-bahdanau 22.basic-birnn-seq2seq-luong 23.lstm-birnn-seq2seq-luong 24.gru-birnn-seq2seq-luong 25.lstm-seq2seq-contrib-greedy-luong 26.gru-seq2seq-contrib-greedy-luong 27.lstm-seq2seq-contrib-greedy-bahdanau 28.gru-seq2seq-contrib-greedy-bahdanau 29.lstm-seq2seq- contribución-beam-luong 30.gru-seq2seq-contrib-beam-luong 31.lstm-seq2seq-contrib-beam-bahdanau 32.gru-seq2seq-contrib-beam-bahdanau 33.lstm-birnn-seq2seq-contrib-beam-bahdanau 34.lstm-birnn-seq2seq-contrib-beam-luong 35.gru-birnn-seq2seq-contrib-beam-bahdanau 36.gru-birnn-seq2seq-contrib-beam-luong 37.lstm-birnn-seq2seq-contrib-beam -luongmonotónico 38.gru-birnn-seq2seq-contrib-beam-luongmonotic 39.lstm-birnn-seq2seq-contrib-beam-bahdanaumonotonic 40.gru-birnn-seq2seq-contrib-beam-bahdanaumonotic 41.residual-lstm-seq2seq-greedy-luong 42.residual-gru-seq2seq-greedy-luong 43.residual-lstm-seq2seq-greedy-bahdanau 44.residual-gru-seq2seq-greedy-bahdanau 45.memory-network-lstm-decoder-greedy 46.google-nmt 47 .transformador-codificador-transformador-decodificador 48.transformer-codificador-lstm-decodificador-codicioso 49.bertmultilanguage-codificador-bertmultilanguage-decodificador 50.bertmultilanguage-codificador-lstm-decodificador 51.bertmultilanguage-codificador-transformador-decodificador 52.bertenglish-codificador-transformador-decodificador 53.transformer -t2t-2gpu

OCR (reconocimiento óptico de caracteres)

Lista completa (2 cuadernos)
  1. CNN + LSTM RNN, precisión de prueba 100%
  2. Im2Latex, precisión de prueba 100%

Etiquetado POS

Capacitado en CONLL POS.

Lista completa (8 cuadernos)
  1. RNN + CRF bidireccional, precisión de la prueba 92%
  2. RNN bidireccional + Atención Luong + CRF, precisión de la prueba 91%
  3. RNN bidireccional + Atención Bahdanau + CRF, precisión de la prueba 91%
  4. Char Ngrams + RNN bidireccional + Atención Bahdanau + CRF, precisión de la prueba 91%
  5. Char Ngrams + RNN bidireccional + Atención Bahdanau + CRF, precisión de la prueba 91%
  6. Char Ngrams + Red Residual + Atención Bahdanau + CRF, precisión de la prueba 3%
  7. Char Ngrams + Atención es lo que todos necesitáis + CRF, precisión de la prueba 89%
  8. BERT, precisión de la prueba 99%

Preguntas-Respuestas

Capacitado en el conjunto de datos bAbI.

Lista completa (4 cuadernos)
  1. Red de memoria de extremo a extremo + celda básica
  2. Red de memoria de extremo a extremo + celda GRU
  3. Red de memoria de extremo a extremo + celda LSTM
  4. Memoria dinámica

par de oraciones

Capacitado en la película de Cornell: Corpus de diálogos

Lista completa (1 cuadernos)
  1. BERT

Voz a texto

Capacitado con el conjunto de datos de voz de Toronto.

Lista completa (11 cuadernos)
  1. Tacotron, https://github.com/Kyubyong/tacotron_asr, precisión de la prueba 77,09%
  2. BiRNN LSTM, precisión de la prueba 84,66%
  3. BiRNN Seq2Seq + Luong Atención + Entropía cruzada, precisión de la prueba 87,86%
  4. BiRNN Seq2Seq + Atención de Bahdanau + Entropía cruzada, precisión de la prueba 89,28%
  5. BiRNN Seq2Seq + Bahdanau Atención + CTC, precisión de la prueba 86,35%
  6. BiRNN Seq2Seq + Luong Atención + CTC, precisión de la prueba 80,30%
  7. CNN RNN + Bahdanau Atención, precisión de la prueba 80,23%
  8. CNN RNN dilatado, precisión de la prueba 31,60%
  9. Wavenet, precisión de la prueba 75,11%
  10. Deep Speech 2, precisión de la prueba 81,40%
  11. Wav2Vec Transferencia de aprendizaje BiRNN LSTM, precisión de la prueba 83,24%

Corrección ortográfica

Lista completa (4 cuadernos)
  1. Base BERT
  2. Base XLNET
  3. BERT-Base rápido
  4. BERT-Base precisa

Preguntas y respuestas de SQUAD

Capacitado en el conjunto de datos SQUAD.

Lista completa (1 cuadernos)
  1. BERT, 
{ "exact_match" : 77.57805108798486 , "f1" : 86.18327335287402 }

Derivado

Capacitado en Lematización del Inglés.

Lista completa (6 cuadernos)
  1. LSTM + Seq2Seq + Haz
  2. GRU + Seq2Seq + Haz
  3. LSTM + BiRNN + Seq2Seq + Haz
  4. GRU + BiRNN + Seq2Seq + Haz
  5. DNC + Seq2Seq + Codicioso
  6. BiRNN + Bahdanau + Copynet

Aumento de texto

Lista completa (8 cuadernos)
  1. Guante preentrenado
  2. GRU VAE-seq2seq-beam TF-probabilidad
  3. Probabilidad TF de haz LSTM VAE-seq2seq-beam
  4. GRU VAE-seq2seq-beam + Bahdanau Atención TF-probabilidad
  5. VAE + Atención determinista Bahdanau, https://github.com/HareeshBahuleyan/tf-var-attention
  6. VAE + VAE Bahdanau Atención, https://github.com/HareeshBahuleyan/tf-var-attention
  7. BERT-Base + muestreo de núcleo
  8. XLNET-Base + muestreo de núcleos

Clasificación de texto

Capacitado en un conjunto de datos de sentimiento en inglés, tabla de precisión en clasificación de texto.

Lista completa (79 cuadernos)
  1. RNN de celda básica
  2. Celda básica RNN + Bisagra
  3. Celda básica RNN + Huber
  4. RNN bidireccional de celda básica
  5. Celda básica Bidireccional RNN + Bisagra
  6. Celda básica bidireccional RNN + Huber
  7. RNN de celda LSTM
  8. Celda LSTM RNN + bisagra
  9. Célula LSTM RNN + Huber
  10. RNN bidireccional de celda LSTM
  11. Celda LSTM RNN bidireccional + Huber
  12. RNN de celda LSTM + Abandono + L2
  13. RNN de celda GRU
  14. Celda GRU RNN + Bisagra
  15. Célula GRU RNN + Huber
  16. RNN bidireccional de celda GRU
  17. Celda GRU Bidireccional RNN + Bisagra
  18. Celda GRU bidireccional RNN + Huber
  19. LSTM RNN + Conv2D
  20. K-máx Conv1d
  21. LSTM RNN + Conv1D + Autopista
  22. LSTM RNN + Atención básica
  23. RNN dilatado LSTM
  24. RNN de celda LSTM con norma de capa
  25. Sólo red neuronal de atención
  26. Red neuronal de atención multicabezal
  27. Máquina de Turing neuronal
  28. LSTM Seq2Seq
  29. LSTM Seq2Seq + Atención Luong
  30. LSTM Seq2Seq + Bahdanau Atención
  31. LSTM Seq2Seq + Decodificador de haz
  32. LSTM Seq2Seq bidireccional
  33. Red de puntero
  34. Celda LSTM RNN + Bahdanau Atención
  35. Celda LSTM RNN + Atención Luong
  36. Celda LSTM RNN + Pila Bahdanau Luong Atención
  37. Celda LSTM RNN bidireccional + Bahdanau hacia atrás + Luong hacia adelante
  38. Bytenet
  39. LSTM rápido-lento
  40. Red siamesa
  41. LSTM Seq2Seq + tf.estimador
  42. Capas de cápsula + RNN LSTM
  43. Capas de cápsula + LSTM Seq2Seq
  44. Capas de cápsula + LSTM Bidireccional Seq2Seq
  45. LSTM anidado
  46. LSTM Seq2Seq + Autopista
  47. Pérdida de triplete + LSTM
  48. DNC (computadora neuronal diferenciable)
  49. ConvLSTM
  50. Red de conversión temporal
  51. Pérdida de triplete por lotes + LSTM
  52. Texto rápido
  53. Red de convolución cerrada
  54. Unidad recurrente simple
  55. Red de atención jerárquica LSTM
  56. Transformadores bidireccionales
  57. Red de memoria dinámica
  58. Red de entidades
  59. Red de memoria de extremo a extremo
  60. Red escasa y profunda de BOW-Chars
  61. Red residual usando Atrous CNN
  62. Red residual utilizando Atrous CNN + Bahdanau Atención
  63. Pirámide profunda CNN
  64. Transformador-XL
  65. Transferir aprendizaje GPT-2 345M
  66. Cuasi-RNN
  67. Tacotrón
  68. Rebanar gru
  69. Rebanada GRU + Bahdanau
  70. red de ondas
  71. Transferir aprendizaje BERT Base
  72. Transferir aprendizaje XL-net Grande
  73. LSTM BiRNN global Max y agrupación promedio
  74. Transferir aprendizaje BERT Base drop 6 capas
  75. Transferir aprendizaje BERT Caída grande 12 capas
  76. Transferir aprendizaje XL-net Base
  77. Transferir el aprendizaje ALBERT
  78. Transferir aprendizaje ELECTRA Base
  79. Transferir aprendizaje ELECTRA Grande

Similitud de texto

Entrenado en MNLI.

Lista completa (10 cuadernos)
  1. BiRNN + Pérdida de contraste, precisión de la prueba 73,032%
  2. BiRNN + Entropía cruzada, precisión de la prueba 74,265%
  3. BiRNN + Pérdida de círculo, precisión de la prueba 75,857%
  4. BiRNN + Pérdida de proxy, precisión de la prueba 48,37%
  5. BERT Base + Entropía cruzada, precisión de la prueba 91,123%
  6. BERT Base + Pérdida de círculo, precisión de la prueba 89,903%
  7. ELECTRA Base + Entropía cruzada, precisión de la prueba 96,317%
  8. ELECTRA Base + Pérdida de círculo, precisión de prueba 95,603%
  9. XLNET Base + Entropía cruzada, precisión de la prueba 93,998%
  10. XLNET Base + Pérdida de círculo, precisión de la prueba 94,033%

Texto a voz

Capacitado con el conjunto de datos de voz de Toronto.

Lista completa (8 cuadernos)
  1. Tacotrón, https://github.com/Kyubyong/tacotron
  2. CNN Seq2seq + Vocoder CNN dilatado
  3. Seq2Seq + Atención Bahdanau
  4. Seq2Seq + Atención Luong
  5. CNN dilatada + Atención monotónica + Vocoder CNN dilatado
  6. CNN dilatada + Autoatención + Vocoder CNN dilatada
  7. CNN profunda + Atención monotónica + Vocoder CNN dilatado
  8. CNN profunda + Atención propia + Vocoder CNN dilatado

Generador de temas

Capacitado en noticias de Malasia.

Lista completa (4 cuadernos)
  1. TAT-LSTM
  2. TAV-LSTM
  3. MTA-LSTM
  4. CNN Seq2seq dilatado

Modelado de temas

Extraído del conjunto de datos de sentimiento en inglés.

Lista completa (3 cuadernos)
  1. LDA2Vec
  2. Bert Atención
  3. Atención XLNET

Resumen extractivo no supervisado

Entrenado en libros aleatorios.

Lista completa (3 cuadernos)
  1. Vector de saltarse el pensamiento
  2. Red residual usando Atrous CNN
  3. Red residual utilizando Atrous CNN + Bahdanau Atención

Vectorizador

Capacitado en un conjunto de datos de sentimiento en inglés.

Lista completa (11 cuadernos)
  1. Vector de Word usando softmax de muestra CBOW
  2. Vector de palabras utilizando estimación contrastiva de ruido CBOW
  3. Vector de Word usando softmax de muestra de skipgram
  4. Vector de palabras utilizando estimación contrastiva de ruido skipgram
  5. Integrado supervisado
  6. Pérdida de triplete + LSTM
  7. Codificador automático LSTM
  8. LSTM con pérdida de tripletes por lotes
  9. Texto rápido
  10. ELMO (biLM)
  11. Triplete-pérdida + BERT

Visualización

Lista completa (4 cuadernos)
  1. Mapa de calor de atención en Bahdanau Atención
  2. Mapa de calor de atención en Luong Atención
  3. Atención BERT, https://github.com/hsm207/bert_attn_viz
  4. Atención XLNET

Vocoder de viejo a joven

Capacitado con el conjunto de datos de voz de Toronto.

Lista completa (1 cuadernos)
  1. CNN dilatada

Atención

Lista completa (8 cuadernos)
  1. Bahdanau
  2. Luong
  3. Jerárquico
  4. Aditivo
  5. Suave
  6. Atención sobre atención
  7. API de Bahdanau
  8. API de Luong

Aprendizaje no profundo

  1. chatbot de Markov
  2. Resumen de descomposición (3 cuadernos)
Expandir
Información adicional
Aplicaciones relacionadas
Recomendado para ti
Información relacionada Todo