transform 屬性向元素應用 2D 或 3D 轉換。該屬性允許我們對元素進行旋轉、縮放、移動或傾斜。學會 transform 的使用，才能更好創造出更好的頁面效果。 2D轉換 平移 trans

翻譯文 原文標題：OpenGL Android Lesson One: Getting Started 原文連結： www.learnopengles.com/android-les…

總第330篇 2019年 第008篇 2018年8月-12月，由美團點評、創新工場、搜狗、美圖聯合主辦的“AI Challenger 2018全球AI挑戰賽”歷經三個多月的激烈角逐，冠軍團隊

本文首先介紹 BERT模型要做什麼，即：模型的 輸入 、 輸出 分別是什麼，以及模型的 預訓練任務 是什麼；然後，分析模型的 內部結構 ，圖解如何將模型的輸入一步步地轉化為模型輸出；最後，我們在多箇中

好，閒話少說。關於self-attention的訓練階段 http://jalammar.github.io/ill... ，這篇文章寫的已經很清楚，而且確實驗證有效。那麼今天扯一下該模型的預測

線性模型用於分類，分類的原理還要從公式說起。 線性模型的公司的結果 y 是一個連續的輸出結果，如果將 y 的值與 0 作一個界限上的區分，那 y 的值將被分成兩個區域。公式的

點選這裡進入 人工智慧嘚吧嘚 目錄，觀看全部文章 向量Vector 向量就是有方向的數量。 我們日常使用的數字都是一維的，就是說只有一個x方向，越往右數字越大。同樣可以說，任意一個數字都表

精選 6 篇來自 EMNLP 2018、ISWC 2018、NAACL 2018、ACL 2018 和 IJCAI 2018 的知識圖譜相關工作，帶你快速瞭解知識圖譜領域最新研究進展。 EMNLP 201

前言 對於神經網路，我們更多談的是其 精度 怎麼樣，有百分之零點幾的提升。但是如果談到速度的話，深度學習神經網路相比於傳統的演算法來說，速度恐怕沒有那麼快了。 那麼我們什麼時候需要提升速度呢？假如有

尋覓網際網路，少有機器學習通俗易懂之演算法講解、案例等，專案立於這一問題之上，整理一份基本演算法講解+案例於文件，供大家學習之。通俗易懂之文章亦不可以面概全，但凡有不正確或爭議之處，望告知，自當不吝賜教！

工程中常常需要尋找一些特定集合內的 $\boldsymbol x$ 值，使得二次型 $Q(\boldsymbol x)$ 取得最大值或最小值。具有代表性的是，這類問題可化為 $\boldsymbol x$ 在一

一個對稱 矩陣是一個滿足 $A^\mathsf{T} = A$ 的矩陣 $A$，這種矩陣是方陣，其主對角線元素是任意的，但其他元素在主對角線的兩邊成對出現。 定理 1如果 $A$ 是對稱矩陣

NLP裡最常用、最傳統的深度學習模型就是 迴圈神經網路 RNN （Recurrent Neural Network）。這個模型的命名已經說明了資料處理方法，是按順序按步驟讀取的。與人類理解文字的道理差不多，看

本文主要用於記錄谷歌發表於2017年的一篇論文（引用量接近上千）。該論文提出的Transformer模型也是近年來被廣泛應用的。本筆記主要為方便初學者快速入門，以及自我回顧。 論文連結： https://

Contents 1. 冪演算法 冪演算法適用於 $n \times n$ 矩陣 $A$ 由嚴格佔優特徵值 （亦稱主特徵值）$\lambda_1$ 的情況。$\lambda_1