之前介绍的算法例如DQN，DDPG，PPO都是**model-free（无模型）**的，这也是比较多人的研究领域，这些算法是智能体直接和环境互动获得数据，不需要拟合环境模型，智能体对环境的认知只能通过和环境不断大量的交互来实现。这样做的优点是通过无数次与环境的交互可以保证智能体得...

本文介绍GloVe词向量、词向量内部与外部评估方法、类比任务中的词向量训练超参数影响、相关度评估任务中词向量与人工表现差异、基于上下文处理一词多义问题和窗分类。

文章提出 End-To-End 的 Memory Networks 框架，是一种新型的 RNN 架构，在输出最终结果之前会从一个外部存储器中多次循环读取数据，同时对 2015 年 J.Weston 提出的 Memory networks 进行对比，认为是其模型的连续形式，并且之前的模型不是很容易用 bp 进行训练，而且在网络的每一层需要监督学习。作者认为 End-To-End 是其模型的一大特点，能够从 input 到 ouput 直接训练，可以在很多任务上进行拓展，包括一些实现监督学习比较困难的任务，如语言模型，现实领域的监督问答等等。

1. 什么是Transformer 《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的 CNN 和 RNN。目前大热…

NLP课程第13讲介绍了词向量 (word representations) 知识回顾、ELMo模型、ULMfit模型、Transformer结构和BERT等。

这是我参与8月更文挑战的第13天，活动详情查看：8月更文挑战 NumPy搭建我的第一个神经网络 前言 ​ 利用纯numpy实现手势识别，首先是进行的整体的网络构成，然后再展示代码部分。这是我的第一个神

人工神经网络（ANN）或连接系统是受生物神经网络启发构成生物大脑的计算系统。这样的系统通过考虑例子来学习（逐步提高性能）来完成任务，通常没有任务特定的编程。 用Java或任何其他编程语言设计神经网络我们需要理解人工神经网络的结构和功能。 人工神经网络执行的任务比如有模式识别、…

云音乐推荐和搜索业务有大量的算法特征数据，需要以key-value的形式存储，提供在线的读写服务。2020年H2开始，我们以tair为存储框架，rocksdb为存储内核，研发了磁盘型特征存储引擎RDB

最终，GPU会卫冕其首选架构的宝座，以促进AI软件的进一步发展，并最终成为计算机架构新的黄金时代的明星。