文件名称：rs-skip-gram-in-myhdl:MyHDL中带有负采样（SGNS）的跳过图模型
文件大小：332KB
文件格式：ZIP
更新时间：2024-05-23 20:03:08
Python
MyHDL中的跳过图模型（SGNS） 模拟RS-跳过克合myhdl实现具有负采样（SGNS）跳过-gram模型中 。 在自然语言处理（NLP）中，计算单词的连续分布矢量表示（也称为单词嵌入）变得越来越重要。 T. Mikolov等。 （2013）引入了一种用于在其word2vec工具中学习有意义的词嵌入的skip-gram模型。 该模型将任何文本语料库作为输入，根据无监督语言模型处理成对的单词，并在自定义神经网络层（单词嵌入）中学习权重。 已经有一些尝试在Verilog或VHDL中使用反向传播来实现经典神经网络，但是没有针对单词嵌入或MyHDL中将Python转变成硬件描述和验证语言的尝试。 开源项目： 主页： : github： : 技术： Python ， MyHDL库 用法 要求： 巨蟒（2.7） python-virtualenv 自动安装的NumPy （1
【文件预览】：
rs-skip-gram-in-myhdl-master
----.gitignore(37B)
----WordContextProduct.py(7KB)
----README.md(14KB)
----WordContextUpdated.py(11KB)
----train.py(9KB)
----RamSim.py(2KB)
----ex-target()
--------DotProduct.vhd(2KB)
--------DotProduct.v(1KB)
--------Rectifier.vhd(1KB)
--------WordContextUpdated.v(5KB)
--------tb_DotProduct.v(324B)
--------WordContextProduct.v(3KB)
--------WordContextProduct.vhd(4KB)
--------tb_WordContextProduct.v(400B)
--------WordContextUpdated.vhd(8KB)
--------tb_Rectifier.v(221B)
--------pck_myhdl_10.vhd(4KB)
--------tb_WordContextUpdated.v(533B)
--------Rectifier.v(1KB)
----LICENSE_AGPL-3.0.txt(34KB)
----requirements.sh(952B)
----doc()
--------word-embeddings.png(105KB)
--------word-embeddings.svg(46KB)
--------skip-gram-computation.png(209KB)
--------embeddings-vectors.png(15KB)
--------skip-gram-computation.svg(22KB)
----DotProduct.py(6KB)
----project.py(5KB)
----data()
--------clean-wikifil.pl(2KB)
--------__init__.py(0B)
--------keras_preprocessing_text.py(6KB)
----Rectifier.py(3KB)