2017年3月1日精彩内容推荐

点击 Chatbots技术与产品，快速关注本账号！

1.PyTorch和TensorFlow到底哪个更好？看看一线开发者怎么说

https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650723769&idx=1&sn=17565e650771699ceddabb214d485626

@机器之心

2.Neural Relation Extraction（NRE）旨在将深度神经网络用于从文本抽取实体间关系构建知识图谱，我组林衍凯在去年ACL提出基于Sentence-Level Attention的CNN/PCNN技术，在标准测试集得到了远程监督关系抽取的最好效果。最近，我组本科生唐路明同学基于TensorFlow实现了该技术的LSTM版本，效果得到进一步显著提升，现将代码开源欢迎试用：

https://github.com/thunlp/TensorFlow-NRE

@刘知远THU

3.干货 | 复旦大学副教授肖仰华：基于知识图谱的机器语言认知

https://mp.weixin.qq.com/s?__biz=MzAxMzc2NDAxOQ==&mid=2650361408&idx=1&sn=736e8734345ada032e2a7d3a9fdaccfc

@将门创投

4.【开箱即用】Facebook FastText预训练词向量大全，语料来自维基百科90种语言。

 Github：https://github.com/facebookresearch/fastText/blob/master/pretrained-vectors.md

https://twitter.com/soumithchintala/status/836681830501855237

@ChatbotsChina

5.神经网络的训练可以采用二阶优化方法吗(如Newton, Quasi Newton)？

https://www.zhihu.com/question/53218358

@知乎

6.深度机器学习中的batch的大小对学习效果有何影响？

https://www.zhihu.com/question/32673260

@知乎

（PS：点击阅读原文直接打开链接，查看更多精彩内容）

- END -

非常欢迎加入我们的微信群一起讨论分享！

新浪微博：ChatbotsChina

微信号：Chatbots01

关注我们，一起学习机器人