的案例列表

基于Bi-LSTM的海量文本情感分类实

人工智能-其他    

 基于 PyTorch 的 Bi-LSTM + Attention 作为基线模型(Baseline)。实现了中文字符级词表构建、序列截断与填充等数据预处理链路,验证了时序模型与注意力机制在中文情感分类上的有效性。  引入 bert-base-chinese 预训练模型进行全量数据(逾 21 万条)的下游任务微调。针对原始数据集正负样本极度不平衡的痛点优化了评估策略,最终在测试集上取得了 89.36% 的准确率(Accuracy)和 77.08% 的宏平均 F1-Score,精准识别出长尾的负面及中立评价。  独立打通了从数据清洗(Pandas)、批次化处理(DataLoader)、训...

基于Bi-LSTM的海量文本情感分类实
基于Bi-LSTM的海量文本情感分类实

基于多模型架构的真实场景图像识别

人工智能-其他    

基线模型搭建与调优:基于真实动物图像数据集(约2.6万张),从零手工搭建5层深层 CNN。通过引入 BatchNorm、L2 正则化及数据增强策略,解决模型“头重脚轻”导致的严重过拟合瓶颈,成功打通数据预处理到 TensorBoard 监控的全生命周期。 经典架构迁移学习: 引入ResNet18 预训练模型执行微调(Fine-tuning)。通过冻结特征层并修改全连接分类头,仅用极小的计算开销(5个Epoch)便将测试准确率从基线模型的80%拔高至95%以上,验证了CNN 的归纳偏置 (Inductive Bias) 在中小数据集上的优势。 前沿大模型底座对比: 完成Vision Tran...

基于多模型架构的真实场景图像识别
基于多模型架构的真实场景图像识别
------ 加载完毕 ------
联系需求方端客服