您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 李沐动手学深度学习(pytorch版本)”d2lzh_pytorch”包的缺少安装问题

  2. 学习深度学习时候,很多人参考的是李沐的动手学深度学习Pytorch版本(附上官方地址:https://tangshusen.me/Dive-into-DL-PyTorch/#/)。 在学习3.5.1节 “获取数据集” 时,会遇到d2lzh_pytorch包缺少的问题,经过查阅资料,下面方法可以解决这个问题。 import torch import torchvision import torchvision.transforms as transforms import matplotlib.
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:216kb
    • 提供者:weixin_38638647
  1. 动手学深度学习Pytorch版本学习笔记 Task 05

  2. 1.卷积神经网络基础 卷积其实就是将许多部分的信息进行压缩,在过大维度矩阵的情况下,因为存在过多的信息 第一是为运算上带来了很多麻烦 第二是类似拿着显微镜看一幅画,难以捕捉其整体的信息。通过互相关运算将画拿远,慢慢感受他整体的信息。所以应该在卷积神经网络中把大矩阵缩小多少次,缩小到什么程度应该是个相当关键的问题。只有在能看清具体信息但又能把握整体信息的情况下,才能得到对图像更清楚地把握。 通过感受野这个概念能发现,经过互相关运算或者卷积运算之后的矩阵,应该每个位置都综合了之前感受野中的信息,所以
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:64kb
    • 提供者:weixin_38696339
  1. 动手学深度学习Pytorch版本学习笔记 Task 04

  2. 1.机器翻译及相关技术 1.1数据预处理 读取数据,处理数据中的编码问题,并将无效的字符串删除 分词,分词的目的就是将字符串转换成单词组成的列表。目前有很多现成的分词工具可以直接使用,也可以直接按照空格进行分词(不推荐,因为分词不是很准确) 建立词典,将单词组成的列表编程单词id组成的列表,这里会得到如下几样东西 (1). 去重后词典,及其中单词对应的索引列表。 注:去重后排序作用:高频词的id在前,这样可以减少查询次数(相对于随机编码),训练word2vec中有个HUffman树,也是这个思想
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:69kb
    • 提供者:weixin_38598745
  1. 动手学深度学习Pytorch版本学习笔记 Task4

  2. 1.机器翻译及相关技术 机器翻译(MT):将一段文本从一种语言自动翻译为另一种语言,用神经网络解决这个问题通常称为神经机器翻译(NMT)。 主要特征:输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。 主要步骤: 1. 数据预处理 2.分词 3.建立词典 Sequence to Sequence模型: 2.注意力机制与Seq2seq模型 a.点注意力机制与多层感知机注意力机制 b.引入注意力机制的Seq2seq模型:将注意机制添加到sequence to sequence
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:195kb
    • 提供者:weixin_38717896
  1. ElitesAI·动手学深度学习PyTorch版Task05打卡

  2. 卷积神经网络 神经网络结构: 卷积神经网络是神经网络模型的改进版本,依旧是层级网络,只是层的功能和形式做了变化,如: 卷积神经网络的层级结构 • 数据输入层/ Input layer   • 卷积计算层/ CONV layer   • ReLU激励层 / ReLU layer   • 池化层 / Pooling layer   • 全连接层 / FC layer 卷积计算层 这一层就是卷积神经网络最重要的一个层次,也是“卷积神经网络”的名字来源。 在这个卷积层,有两个关键操作:   • 局部关
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:705kb
    • 提供者:weixin_38739919
  1. 动手学深度学习pytorch版本

  2. pytorch之GRU模型 疫情期间,宅家无聊,参加了由和鲸社区、Datawhale、伯禹人工智能学院等单位联合发起的免费公益学习活动,主要利用pytorch进行深度学习,时间比较紧凑,没怎么学懂,得多花一点时间,代码都是向大佬借鉴的,错误之处,恳请指正,我就是个搬运工,仅做学习打卡使用,不喜勿喷哈哈哈哈。 import numpy as np import torch from torch import nn, optim import torch.nn.functional as F imp
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:65kb
    • 提供者:weixin_38586279
  1. 动手学深度学习Pytorch版本学习笔记 Task 03

  2. 1.过拟合、欠拟合及其解决方案 1.1对于过拟合、欠拟合的理解 我们探究模型训练中经常出现的两类典型问题: 一类是模型无法得到较低的训练误差,我们将这一现象称作欠拟合(underfitting); 另一类是模型的训练误差远小于它在测试数据集上的误差,我们称该现象为过拟合(overfitting)。 在实践中,我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题,在这里我们重点讨论两个因素:模型复杂度和训练数据集大小。 1.2模型复杂度的影响 1.3训练数据集大小影响 影响欠
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:208kb
    • 提供者:weixin_38750861
  1. d2l-torch:《动手学深度学习》 PyTorch版本-源码

  2. d2l火炬 首先感谢《动手学深度学习》的原作者和贡献者为我们提供了一本本极为优秀的书籍。如果您对框架没有特定偏好或需求,不妨尝试MXNet,则极为优秀的深度学习框架。原书地址:http: ,原书视频教程: , 本书在原书(19年5月20日版本)基础上将所有代码改用PyTorch进行实现,并以注解的形式对部分内容的进行了解释与扩展。因为PyTorch与MXNet在设计上存在不同,对原书部分内容进行了删改。 请按照目录中的顺序阅读学习。 如果您喜欢这本书,请给本项目点个star,并购买原书纸质版
  3. 所属分类:其它

    • 发布日期:2021-02-04
    • 文件大小:34mb
    • 提供者:weixin_42166918
  1. Dive-into-DL-TensorFlow2.0:本项目将《动手学深度学习》(Dive into Deep Learning)原书中的MXNet实现替代TensorFlow 2.0实现,项目已获得李沐老师的认可-源码

  2. 将原书中MXNet代码实现转换TensorFlow2实现。通过的导师咨询李沐老师,这个项目的实施已得到李沐老师的同意。原书作者:阿斯顿·张,李沐,扎卡里C.立顿,亚历山大J.斯莫拉以及其他社区贡献者,GitHub地址: : 此书的,版本存在一些不同,本项目主要针对此书的中文版进行TensorFlow2转换。另外,本项目也参考了该书的中文版进行PyTorch替代的项目 ,在此表示感谢。 逐步更新到十章,持续更新中。。。 已项目被机器之心等多家公众号,受到并且李原作者沐的 简介 本仓库主要包含代
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:31mb
    • 提供者:weixin_42121412
  1. 动手学深度学习Pytorch版本学习笔记 Task3

  2. 1.过拟合、欠拟合及其解决方案 过拟合:模型无法得到较低的训练误差,我们将这一现象称作欠拟合(underfitting); 欠拟合:模型的训练误差远小于它在测试数据集上的误差,我们称该现象为过拟合(overfitting)。 在实践中,我们要尽可能同时应对欠拟合和过拟合。 解决过拟合的方法:权重衰减(L2 范数正则化)和丢弃法 2.梯度消失和梯度爆炸 a.梯度消失和梯度爆炸 假设一个层数为LL的多层感知机的第ll层H(l)H(l)的权重参数为W(l)W(l),输出层H(L)H(L)的权重参数为W
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:50kb
    • 提供者:weixin_38694800