黑皮考町

為了"讓機器聽的懂人話", 我們可以透過神經網路讓程式去學習人類說話的方式, 進而理解對話中的意圖, 而整個學習的過程, 可以簡化成文字前處理 > 學習 > 驗證 以往在前處理階段, 通常都是使用NLTK作分詞, 算N-Gram, Normalize 等等... 現在 Tensorflow.Text(TF.Text) 出來後, 除了NLTK之外我們也可以使用 TF.Text  來處理文字 分詞 tokenizer = text.WhitespaceTokenizer() tokens = tokenizer.tokenize([ 'The cat sat on the mat.' , 'i like cats' ]) print(tokens.to_list()) [[b'The', b'cat', b'sat', b'on', b'the', b'mat.'], [b'i', b'like', b'cats']] N-grams tokenizer = text.WhitespaceTokenizer() tokens = tokenizer.tokenize([ 'The cat sat on the mat.' , 'i like cats' ]) # Ngrams, in this case bi-gram (n = 2) bigrams = text.ngrams(tokens, 2, reduction_type=text.Reduction.STRING_JOIN) print(bigrams.to_list()) [[b'The cat', b'cat sat', b'sat on', b'on the', b'the mat.'], [b'i like', b'like cats']] 結論 大家若想嘗鮮的話, 可以使用以下指令來安...

前言 隨著電腦運算能力的增強, 特別是GPU的出現, 讓深度學習這個領域變得非常火紅, 進而成為目前人工智慧的主流, 由於他實在很強大, 現在不管是Google, Amazon, 或是Microsoft都在積極地推出深度學習的相關應用, 難道深度學習只有像Google這種大公司才玩得起嗎?  ( 答案是:  No) 建立一套深度學習網路並沒有想像中那麼難, 以下就教各位如何快速地建立一個深度學習的環境 Step 1. 安裝NVidia驅動程式 一開始可以先用ubuntu-drivers devices列出你的顯卡需要裝什麼驅動, 如果沒有特別的偏好, 直接用 autoinstall來裝就可以了 ubuntu-drivers devices sudo ubuntu-drivers autoinstall 安裝完後建議重開機 Step 2. 檢查是否安裝成功 nvidia-smi 可以用來監測GPU的使用率 nvidia-smi 如果驅動有安裝成功, 基本上可以到目前GPU的使用狀況 Step 3. 安裝 CUDA & CUDNN # Add NVIDIA package repository sudo apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/7fa2af80.pub wget http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_9.1.85-1_amd64.deb sudo apt install ./cuda-repo-ubuntu1604_9.1.85-1_amd64.deb wget http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.d...