张量张量

TySoR2张量，简称T2T，是深度学习模型和数据集的一个库，旨在加深学习，加速ML研究。T2T是由谷歌大脑团队和用户社区中的研究人员和工程师积极使用和维护的。我们也渴望与您合作，所以可以自由地打开GITHUB上的一个问题，或者发送一个拉请求（见我们的贡献文档）。你可以与我们聊天，并加入T2T谷歌集团。

本软件关键词

这里的任何东西都将在支持画布元素的浏览器上被替换。

ZBMaCT中的参考文献（8篇文章中引用）

显示结果1至8的8。
按年份排序（引文）

  1. 陈、舜、葛、雷：基于LSTM的香港股票价格预测预测机制研究（2019）
  2. Shallue，Christopher J.；李，Jaehoon；Antognini，约瑟夫；Sohl Dickstein，Pig；y，y；y；y:测量数据并行性对神经网络训练的影响（2019）
  3. 苏，劲松；张，向文；林，Qian；秦，岳；姚，Junfeng；刘，刘：利用异步双向译码开发神经机器翻译的反向目标侧上下文（2019）
  4. T·沃尔夫，LySune处女作，Victor Sanh，Julien Chaumond，Clement Delangue，Anthony Moi，Pierric Cistac，Tim Rault，Remi-Luf，Stand FuntoWiz，Y:变形金刚：最新的自然语言处理（2019）阿西夫
  5. Albert Zeyer，TaMer-AgHouLee，Hermann Ney：作为通用的灵活神经工具包重新应用于翻译和语音识别（2018）阿西夫
  6. Oleksii Kuchaiev；Boris Ginsburg；Igor Gitman；Vitaly Lavrukhin；卡尔案例；Paulius Micikevicius：OpenSEQ2SEQ：序列和序列模型的分布式和混合精确训练的可扩展工具包（2018）阿西夫
  7. 萧琳望；Masao Utiyama；Eiichiro Sumita：CytMMT:一个高效的神经机器翻译开放源码工具包，用C++实现（2018）阿西夫
  8. 支婷虎；郝然世；訾超洋；薄文覃；田成朝；Junxian；文涛望；y；y；y；y；y；y；y：；Tyxar：一个模块化的、通用的、可扩展的文本生成工具包（2018）阿西夫