在好例子网,分享、交流、成长!
您当前所在位置:首页Others 开发实例一般编程问题 → 整洁的视觉效果:Neat(Neural Attention)Vision是一种可视化工具,用于自然语言处理(NLP)任务的深度学...

整洁的视觉效果:Neat(Neural Attention)Vision是一种可视化工具,用于自然语言处理(NLP)任务的深度学...

一般编程问题

下载此实例
  • 开发语言:Others
  • 实例大小:13.58M
  • 下载次数:1
  • 浏览次数:88
  • 发布时间:2021-11-28
  • 实例类别:一般编程问题
  • 发 布 人:js2021
  • 文件格式:.zip
  • 所需积分:2
 

实例介绍

【实例简介】
网络视觉 NeAt(Neural Attention)Vision是一种可视化工具,用于自然语言处理(NLP)任务的深度学习模型的注意力机制。 产品特点 可视化注意力得分,有很多选择。 将可视化文件导出为SVG格式。 如果要在学术论文中使用可视化效果,这将非常方便。 但是,您可能必须将SVG转换为PDF。 可视化模型预测。 显示类的后验分布,回归任务中的错误等。 对于调试模型和检查其行为很有用。 支持分类,多标签分类和回归。 进行了整齐的可视化,以可视化自然语言处理(任务)任务的注意机制的权重。 目前,整洁的视觉只支持可视化的自我注意机制,在句子级别上执行以下任务: 回归:预测单个连
【实例截图】
【核心代码】
16359647560584692500.zip
└── neat-vision-master
├── build
│   ├── build.js
│   ├── check-versions.js
│   ├── logo.png
│   ├── utils.js
│   ├── vue-loader.conf.js
│   ├── webpack.base.conf.js
│   ├── webpack.dev.conf.js
│   └── webpack.prod.conf.js
├── config
│   ├── dev.env.js
│   ├── index.js
│   └── prod.env.js
├── docs
│   ├── index.html
│   └── static
│   ├── cropped.webm
│   ├── css
│   │   ├── app.b62184445eb725fe71e0eb8038c97003.css
│   │   └── app.b62184445eb725fe71e0eb8038c97003.css.map
│   ├── fonts
│   │   ├── fontawesome-webfont.674f50d.eot
│   │   ├── fontawesome-webfont.af7ae50.woff2
│   │   ├── fontawesome-webfont.b06871f.ttf
│   │   └── fontawesome-webfont.fee66e7.woff
│   ├── img
│   │   └── fontawesome-webfont.912ec66.svg
│   └── js
│   ├── app.ebf91f34c8a8c83a3ae8.js
│   ├── app.ebf91f34c8a8c83a3ae8.js.map
│   ├── manifest.2ae2e69a05c33dfc65f8.js
│   ├── manifest.2ae2e69a05c33dfc65f8.js.map
│   ├── vendor.e85f124cb76d96459df4.js
│   └── vendor.e85f124cb76d96459df4.js.map
├── images
│   ├── task1_ec
│   │   ├── 1-01.png
│   │   ├── 1-02.png
│   │   ├── 1-03.png
│   │   ├── 1-04.png
│   │   ├── 1-05.png
│   │   ├── 1-06.png
│   │   ├── 1-07.png
│   │   ├── 1-08.png
│   │   ├── 1-09.png
│   │   ├── 1-10.png
│   │   ├── 1-11.png
│   │   ├── 1-12.png
│   │   ├── 1-13.png
│   │   ├── 1-14.png
│   │   ├── 1-15.png
│   │   ├── 1-16.png
│   │   ├── 1-17.png
│   │   └── 1-18.png
│   └── task2
│   ├── task2-01.png
│   ├── task2-02.png
│   ├── task2-03.png
│   ├── task2-04.png
│   ├── task2-05.png
│   ├── task2-06.png
│   ├── task2-07.png
│   ├── task2-08.png
│   ├── task2-09.png
│   ├── task2-10.png
│   ├── task2-11.png
│   ├── task2-12.png
│   ├── task2-13.png
│   ├── task2-14.png
│   ├── task2-15.png
│   ├── task2-16.png
│   ├── task2-17.png
│   ├── task2-18.png
│   ├── task2-19.png
│   ├── task2-20.png
│   ├── task2-21.png
│   ├── task2-22.png
│   ├── task2-23.png
│   ├── task2-24.png
│   ├── task2-25.png
│   ├── task2-26.png
│   ├── task2-27.png
│   ├── task2-28.png
│   ├── task2-29.png
│   ├── task2-30.png
│   ├── task2-31.png
│   ├── task2-32.png
│   ├── task2-33.png
│   ├── task2-34.png
│   ├── task2-35.png
│   ├── task2-36.png
│   ├── task2-37.png
│   ├── task2-38.png
│   ├── task2-39.png
│   ├── task2-40.png
│   ├── task2-41.png
│   ├── task2-42.png
│   └── task2-43.png
├── index.html
├── LICENSE
├── package.json
├── package-lock.json
├── README.md
├── samples
│   ├── labels_task1_e-c.json
│   ├── labels_task1_ei-oc.json
│   ├── labels_task1_v-oc.json
│   ├── labels_task2.json
│   ├── labels_task3_b.json
│   ├── ntua-slp_semeval2018_task1_e-c_dev.json
│   ├── ntua-slp_semeval2018_task1_e-c_gold.json
│   ├── ntua-slp_semeval2018_task1_e-c_train.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_anger_dev.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_anger_gold.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_anger_train.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_fear_dev.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_fear_gold.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_fear_train.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_joy_dev.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_joy_gold.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_joy_train.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_sadness_dev.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_sadness_gold.json
│   ├── ntua-slp_semeval2018_task1_ei-reg_sadness_train.json
│   ├── ntua-slp_semeval2018_task2_a_test.json
│   ├── ntua-slp_semeval2018_task2_a_train.json
│   ├── ntua-slp_semeval2018_task2_a_trial.json
│   ├── ntua-slp_semeval2018_task3_b_char_gold.json
│   ├── ntua-slp_semeval2018_task3_b_char_train.json
│   ├── ntua-slp_semeval2018_task3_b_gold.json
│   ├── ntua-slp_semeval2018_task3b_gold.json
│   ├── ntua-slp_semeval2018_task3_b_train.json
│   └── ntua-slp_semeval2018_task3b_train.json
├── src
│   ├── App.vue
│   ├── assets
│   │   ├── css
│   │   │   └── simple-sidebar.css
│   │   └── js
│   │   └── twemoji.min.js
│   ├── components
│   │   ├── Options.vue
│   │   ├── PredClf.vue
│   │   ├── PredMultiClf.vue
│   │   ├── PredReg.vue
│   │   └── Sentence.vue
│   ├── main.js
│   └── mixins
│   └── ml.js
└── static
└── video.gif

20 directories, 132 files

标签:

实例下载地址

整洁的视觉效果:Neat(Neural Attention)Vision是一种可视化工具,用于自然语言处理(NLP)任务的深度学...

不能下载?内容有错? 点击这里报错 + 投诉 + 提问

好例子网口号:伸出你的我的手 — 分享

网友评论

发表评论

(您的评论需要经过审核才能显示)

查看所有0条评论>>

小贴士

感谢您为本站写下的评论,您的评论对其它用户来说具有重要的参考价值,所以请认真填写。

  • 类似“顶”、“沙发”之类没有营养的文字,对勤劳贡献的楼主来说是令人沮丧的反馈信息。
  • 相信您也不想看到一排文字/表情墙,所以请不要反馈意义不大的重复字符,也请尽量不要纯表情的回复。
  • 提问之前请再仔细看一遍楼主的说明,或许是您遗漏了。
  • 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦,又没人会搭理,于人于己都无利。

关于好例子网

本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享,对搜索内容的合法性不具有预见性、识别性、控制性,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论平台是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定,若资源存在侵权或相关问题请联系本站客服人员,点此联系我们。关于更多版权及免责申明参见 版权及免责申明

;
报警