会员服务

已删除

2019 年 4 月 26 日 将门创投
已删除
登录查看更多
11

相关内容

【ICML2020-伯克利】反直觉！大模型重压缩提升Transformer的训练和推理效率，47页ppt
【ICML2020-伯克利】反直觉！大模型重压缩提升Transformer的训练和推理效率，47页ppt
专知会员服务
69+阅读 · 2020年7月1日
【ICML2020-华为港科大】RNN和LSTM有长期记忆吗？
【ICML2020-华为港科大】RNN和LSTM有长期记忆吗？
专知会员服务
74+阅读 · 2020年6月25日
【伯克利】自回归模型的局部掩卷积，Locally Masked Convolution for Autoregressive Models
【伯克利】自回归模型的局部掩卷积，Locally Masked Convolution for Autoregressive Models
专知会员服务
19+阅读 · 2020年6月23日
【CVPR2020】图神经网络中的几何原理连接
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【CVPR2020】用于图像超分辨率的深度展开网络，Deep Unfolding Network for Image Super-Resolution
【CVPR2020】用于图像超分辨率的深度展开网络，Deep Unfolding Network for Image Super-Resolution
专知会员服务
43+阅读 · 2020年3月26日
自回归模型:PixelCNN
自回归模型:PixelCNN
专知会员服务
26+阅读 · 2020年3月21日
【伯克利】通过增大模型加速Transformer训练和推理
专知会员服务
44+阅读 · 2020年3月6日
谷歌提出“T5” 新NLP模型，突破迁移学习局限，多基准测试达SOTA！
谷歌提出“T5” 新NLP模型，突破迁移学习局限，多基准测试达SOTA！
专知会员服务
40+阅读 · 2020年2月26日
【上海交大-ICASSP2020】Transformer端到端的多说话人语音识别
【上海交大-ICASSP2020】Transformer端到端的多说话人语音识别
专知会员服务
50+阅读 · 2020年2月16日
Google AI博客解读论文《Reformer: The Efficient Transformer》，百万量级注意力机制
Google AI博客解读论文《Reformer: The Efficient Transformer》，百万量级注意力机制
专知会员服务
69+阅读 · 2020年1月17日
Reformer：一个高效的 Transformer
Reformer：一个高效的 Transformer
TensorFlow
9+阅读 · 2020年2月13日
【论文笔记】用于深度时空图建模的Geaph WaveNet
【论文笔记】用于深度时空图建模的Geaph WaveNet
专知
106+阅读 · 2019年11月4日
谷歌NIPS论文Transformer模型解读：只要Attention就够了
谷歌NIPS论文Transformer模型解读：只要Attention就够了
AI100
14+阅读 · 2019年9月9日
长文本表示学习概述
长文本表示学习概述
云栖社区
15+阅读 · 2019年5月9日
OpenAI新研究补齐Transformer短板，将可预测序列长度提高30倍
OpenAI新研究补齐Transformer短板，将可预测序列长度提高30倍
机器之心
6+阅读 · 2019年4月24日
解密：OpenAI和DeepMind都用的Transformer是如何工作的
解密：OpenAI和DeepMind都用的Transformer是如何工作的
机器之心
4+阅读 · 2019年4月7日
CMU、谷歌提出Transformer-XL：学习超长上下文关系
CMU、谷歌提出Transformer-XL：学习超长上下文关系
机器之心
9+阅读 · 2019年1月18日
谷歌、CMU重磅论文：Transformer升级版，评估速度提升超1800倍！
谷歌、CMU重磅论文：Transformer升级版，评估速度提升超1800倍！
新智元
11+阅读 · 2019年1月12日
MSRA视觉组可变形卷积网络升级！更高性能，更强建模能力
MSRA视觉组可变形卷积网络升级！更高性能，更强建模能力
未来产业促进会
6+阅读 · 2018年11月29日
利用RNN训练Seq2Seq已经成为过去，CNN才是未来？
利用RNN训练Seq2Seq已经成为过去，CNN才是未来？
AI100
7+阅读 · 2017年10月31日
Language Modeling with Deep Transformers
Arxiv
6+阅读 · 2019年7月11日
Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
Arxiv
11+阅读 · 2019年6月2日
Universal Transformers
Universal Transformers
Arxiv
5+阅读 · 2019年3月5日
Neural Speech Synthesis with Transformer Network
Neural Speech Synthesis with Transformer Network
Arxiv
5+阅读 · 2019年1月30日
Music Transformer
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Close to Human Quality TTS with Transformer
Arxiv
3+阅读 · 2018年11月13日
Improving the Transformer Translation Model with Document-Level Context
Arxiv
4+阅读 · 2018年10月8日
Symbolic Priors for RNN-based Semantic Parsing
Symbolic Priors for RNN-based Semantic Parsing
Arxiv
3+阅读 · 2018年9月20日
Deep Convolutional Networks as shallow Gaussian Processes
Arxiv
4+阅读 · 2018年8月16日
Doubly Attentive Transformer Machine Translation
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
VIP会员
相关主题
相关VIP内容
【ICML2020-伯克利】反直觉！大模型重压缩提升Transformer的训练和推理效率，47页ppt
【ICML2020-伯克利】反直觉！大模型重压缩提升Transformer的训练和推理效率，47页ppt
专知会员服务
69+阅读 · 2020年7月1日
【ICML2020-华为港科大】RNN和LSTM有长期记忆吗？
【ICML2020-华为港科大】RNN和LSTM有长期记忆吗？
专知会员服务
74+阅读 · 2020年6月25日
【伯克利】自回归模型的局部掩卷积，Locally Masked Convolution for Autoregressive Models
【伯克利】自回归模型的局部掩卷积，Locally Masked Convolution for Autoregressive Models
专知会员服务
19+阅读 · 2020年6月23日
【CVPR2020】图神经网络中的几何原理连接
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【CVPR2020】用于图像超分辨率的深度展开网络，Deep Unfolding Network for Image Super-Resolution
【CVPR2020】用于图像超分辨率的深度展开网络，Deep Unfolding Network for Image Super-Resolution
专知会员服务
43+阅读 · 2020年3月26日
自回归模型:PixelCNN
自回归模型:PixelCNN
专知会员服务
26+阅读 · 2020年3月21日
【伯克利】通过增大模型加速Transformer训练和推理
专知会员服务
44+阅读 · 2020年3月6日
谷歌提出“T5” 新NLP模型，突破迁移学习局限，多基准测试达SOTA！
谷歌提出“T5” 新NLP模型，突破迁移学习局限，多基准测试达SOTA！
专知会员服务
40+阅读 · 2020年2月26日
【上海交大-ICASSP2020】Transformer端到端的多说话人语音识别
【上海交大-ICASSP2020】Transformer端到端的多说话人语音识别
专知会员服务
50+阅读 · 2020年2月16日
Google AI博客解读论文《Reformer: The Efficient Transformer》，百万量级注意力机制
Google AI博客解读论文《Reformer: The Efficient Transformer》，百万量级注意力机制
专知会员服务
69+阅读 · 2020年1月17日
热门VIP内容
相关资讯
Reformer：一个高效的 Transformer
Reformer：一个高效的 Transformer
TensorFlow
9+阅读 · 2020年2月13日
【论文笔记】用于深度时空图建模的Geaph WaveNet
【论文笔记】用于深度时空图建模的Geaph WaveNet
专知
106+阅读 · 2019年11月4日
谷歌NIPS论文Transformer模型解读：只要Attention就够了
谷歌NIPS论文Transformer模型解读：只要Attention就够了
AI100
14+阅读 · 2019年9月9日
长文本表示学习概述
长文本表示学习概述
云栖社区
15+阅读 · 2019年5月9日
OpenAI新研究补齐Transformer短板，将可预测序列长度提高30倍
OpenAI新研究补齐Transformer短板，将可预测序列长度提高30倍
机器之心
6+阅读 · 2019年4月24日
解密：OpenAI和DeepMind都用的Transformer是如何工作的
解密：OpenAI和DeepMind都用的Transformer是如何工作的
机器之心
4+阅读 · 2019年4月7日
CMU、谷歌提出Transformer-XL：学习超长上下文关系
CMU、谷歌提出Transformer-XL：学习超长上下文关系
机器之心
9+阅读 · 2019年1月18日
谷歌、CMU重磅论文：Transformer升级版，评估速度提升超1800倍！
谷歌、CMU重磅论文：Transformer升级版，评估速度提升超1800倍！
新智元
11+阅读 · 2019年1月12日
MSRA视觉组可变形卷积网络升级！更高性能，更强建模能力
MSRA视觉组可变形卷积网络升级！更高性能，更强建模能力
未来产业促进会
6+阅读 · 2018年11月29日
利用RNN训练Seq2Seq已经成为过去，CNN才是未来？
利用RNN训练Seq2Seq已经成为过去，CNN才是未来？
AI100
7+阅读 · 2017年10月31日
相关论文
Language Modeling with Deep Transformers
Arxiv
6+阅读 · 2019年7月11日
Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context
Arxiv
11+阅读 · 2019年6月2日
Universal Transformers
Universal Transformers
Arxiv
5+阅读 · 2019年3月5日
Neural Speech Synthesis with Transformer Network
Neural Speech Synthesis with Transformer Network
Arxiv
5+阅读 · 2019年1月30日
Music Transformer
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Close to Human Quality TTS with Transformer
Arxiv
3+阅读 · 2018年11月13日
Improving the Transformer Translation Model with Document-Level Context
Arxiv
4+阅读 · 2018年10月8日
Symbolic Priors for RNN-based Semantic Parsing
Symbolic Priors for RNN-based Semantic Parsing
Arxiv
3+阅读 · 2018年9月20日
Deep Convolutional Networks as shallow Gaussian Processes
Arxiv
4+阅读 · 2018年8月16日
Doubly Attentive Transformer Machine Translation
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
大家都在搜
  1. 笛卡尔
  2. 壁画
  3. 强化学习方法
  4. 空战战术
  5. 全面综述
  6. 无人艇
  7. 汽车智能化
  8. 大模型
  9. 洛克菲勒
  10. 出海产品从 0 到 1 该怎么做
    11.
Top
微信扫码咨询专知VIP会员
Top