模型量化中的激活函数
在之前学习的模型量化过程中，对于激活函数的处理只是简单说了一下ReLU函数的量化，这里更加具体的学习一下！
模型感知训练
量化与后训练量化
人名分类器
人名分类器
关于人名分类问题
- 以一个人名为输入，使用模型帮助我们判断它最有可能来自哪个国家的人名，这在某些国际化公司的业务中具有重要意义，在用户注册过程中， 会根据用户填写的名字直接给他分配可能的国家或地区选项，以及该国家或地区的国旗，限制手机号码位数等
GRU模型
GRU模型
GRU
GRU(Gated Recurrent Unit)也称门控制单元结构，它也是传统RNN的变体，同LSTM一样能够有效捕捉长序列之间的语义关联，缓解梯度消失或爆炸现象。同时它的结构和计算要比LSTM更简单，它的核心结构可以分为两个部分去解析：
LSTM模型
LSTM模型
LSTM
LSTM(Long Short-Term Memory)也称长短时记忆结构，它是传统RNN的变体，与经典RNN相比，能够有效捕捉长序列之间的语义关联，缓解梯度消失或爆炸现象，同时LSTM的结构更复杂，它的核心结构可以分为四个部分去解析：
- 遗忘门
- 输入门
- 细胞状态
- 输出门
RNN架构解析
经典序列模型-HMM与CRF
新闻主题分类任务
新闻主题分类任务
关于新闻主题分类任务
- 以一段新闻报道中的文本描述内容为输入，使用模型帮助我们判断 它最有可能属于哪一种类型的新闻，这是典型的文本分类问题，这里假定每种类型是互斥的，即文本描述有且只有一种类型