文件名称：cs224u:斯坦福CS224u的代码
文件大小：4.28MB
文件格式：ZIP
更新时间：2024-05-18 18:24:32
JupyterNotebook
CS224u：自然语言理解 代码。 2021年Spring 讲师 核心组成 setup.ipynb 有关如何进行设置以使用此代码的详细信息。 tutorial_*笔记本 介绍Juypter笔记本，与NumPy和朋友一起进行的科学计算以及PyTorch。 torch_*.py模块 用于GloVe，自动编码器，浅层神经分类器，RNN分类器，树结构网络和扎实的自然语言生成的通用优化类（ torch_model_base.py ）和子类。 tutorial_pytorch_models.ipynb显示了如何将这些模块用作创建原始系统的通用框架。 np_*.py模块 torch_*.py模型的参考实现，旨在揭示有关优化过程如何工作的更多信息。 vsm_*和hw_wordrelatedness.ipynb 含义的向量空间模型，涵盖了传统方法（如PMI和LSA）以及较新的方法（如Autoen
【文件预览】：
cs224u-master
----torch_shallow_neural_classifier.py(6KB)
----np_glove.py(6KB)
----.gitignore(812B)
----torch_rnn_classifier.py(17KB)
----projects.md(37KB)
----hw_rel_ext.ipynb(27KB)
----retrofitting.py(5KB)
----hw_sentiment.ipynb(34KB)
----torch_tree_nn.py(16KB)
----rel_ext_01_task.ipynb(70KB)
----setup.ipynb(9KB)
----vsm_03_retrofitting.ipynb(121KB)
----requirements.txt(815B)
----torch_model_base.py(24KB)
----vsm_02_dimreduce.ipynb(35KB)
----evaluation_methods.ipynb(74KB)
----rel_ext_02_experiments.ipynb(39KB)
----torch_glove.py(8KB)
----np_model_base.py(8KB)
----vsm_04_contextualreps.ipynb(27KB)
----hw_wordentail.ipynb(24KB)
----LICENSE(11KB)
----sst_02_hand_built_features.ipynb(60KB)
----nli_01_task_and_data.ipynb(60KB)
----tutorial_jupyter_notebooks.ipynb(18KB)
----finetuning.ipynb(29KB)
----fig()
--------nli-treenn.png(32KB)
--------tree_nn.png(39KB)
--------nli-rnn-chained-separate.png(34KB)
--------nli-softmax.png(29KB)
--------rnn_classifier.png(40KB)
--------distreps-as-features.png(28KB)
--------nli-rnn-sentencerep.png(33KB)
--------tree_nn_subtrees.png(36KB)
--------diagnosis-curve.png(1.61MB)
--------nli-rnn-attention.png(58KB)
--------nli-rnn-chained.png(33KB)
--------nli-rnn-chained-annotated.png(95KB)
--------simple_computation_graph.png(154KB)
----nli_02_models.ipynb(51KB)
----colors.py(8KB)
----sst_01_overview.ipynb(85KB)
----utils.py(11KB)
----rel_ext.py(24KB)
----README.md(3KB)
----colors_overview.ipynb(50KB)
----tutorial_pytorch_models.ipynb(36KB)
----sst_03_neural_networks.ipynb(33KB)
----vsm.py(14KB)
----np_autoencoder.py(3KB)
----hw_colors.ipynb(42KB)
----tutorial_pytorch.ipynb(101KB)
----np_tree_nn.py(8KB)
----np_rnn_classifier.py(8KB)
----torch_color_describer.py(32KB)
----evaluation_metrics.ipynb(134KB)
----np_sgd_classifier.py(6KB)
----sst.py(14KB)
----torch_autoencoder.py(7KB)
----np_shallow_neural_classifier.py(3KB)
----nli.py(17KB)
----vsm_01_distributional.ipynb(2.59MB)
----hw_wordrelatedness.ipynb(34KB)
----test()
--------test_np_model_gradients.py(7KB)
--------cheeseDisease.test.txt(3KB)
--------colors-test-data.json(2KB)
--------test_autoencoders.py(6KB)
--------test_sst.py(2KB)
--------test_torch_color_describer.py(6KB)
--------test_glove.py(3KB)
--------test_vsm.py(7KB)
--------test_tree_nns.py(9KB)
--------test_retrofitting.py(2KB)
--------test_shallow_neural_classifiers.py(8KB)
--------test_rnn_classifiers.py(10KB)
--------test_nli.py(5KB)
--------test_utils.py(3KB)
--------test_rel_ext.py(4KB)
--------test_sgd_classifier.py(2KB)
--------test_torch_model_base.py(5KB)
--------test_colors.py(2KB)
--------cheeseDisease.train.txt(32KB)
--------notebook_tester.py(1KB)
----tutorial_numpy.ipynb(53KB)