注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. rnn语言分类

  2. pytorch RNN模型，分类语言。多分类问题，生成混淆矩阵。

  3. 所属分类：深度学习

    • 发布日期：2018-12-19
    • 文件大小：16kb
    • 提供者：m0_37246384

  1. 【pytorch+全连接层】mnist分类问题【尽可能的高准确率，99%以上】

  2. 1.使用pytorch，使用全连接层，而不是用卷积层，要求有两层隐含层 2. 尽一切可能提高准确率，在这里训练集上达到99.9%以上

  3. 所属分类：深度学习

    • 发布日期：2019-04-19
    • 文件大小：13mb
    • 提供者：qq_27261889

  1. PyTorch官方教程中文版.pdf

  2. PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。它主要由Facebookd的人工智能小组开发，不仅能够 实现强大的GPU加速，同时还支持动态神经网络，这一点是现在很多主流框架如TensorFlow都不支持的。 PyTorch提供了两个高级功能： 1.具有强大的GPU加速的张量计算（如Numpy） 2.包含自动求导系统的深度神经网络 除了Facebook之外，Twitter、GMU和Salesforce等机构都采用了PyTorch。 官方教程包含了

  3. 所属分类：深度学习

    • 发布日期：2020-02-14
    • 文件大小：16mb
    • 提供者：fendouai

  1. pytorch实现softmax多重分类

  2. 代码清晰的说明使用pytorch实现多重分类， 有十个分类标签，用到的思路就是贝叶斯朴素分类器的思想，多分类问题参照BCELoss的函数表达式可变成loss(yhat, y) = -y*log(yhat)，Torch.nn.EntropyLoss()交叉熵损失：包含softmax，log处理loss计算和非线性激活

  3. 所属分类：深度学习

    • 发布日期：2020-07-10
    • 文件大小：6kb
    • 提供者：curse12

  1. pytorch 多分类问题,计算百分比操作

  2. 主要介绍了pytorch 多分类问题,计算百分比操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-16
    • 文件大小：86kb
    • 提供者：weixin_38668274

  1. pytorch + visdom 处理简单分类问题的示例

  2. 主要介绍了pytorch + visdom 处理简单分类问题的示例，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-20
    • 文件大小：896kb
    • 提供者：weixin_38675465

  1. pytorch 多分类问题,计算百分比操作

  2. 二分类或分类问题，网络输出为二维矩阵：批次x几分类，最大的为当前分类，标签为one-hot型的二维矩阵：批次x几分类 计算百分比有numpy和pytorch两种实现方案实现，都是根据索引计算百分比，以下为具体二分类实现过程。 pytorch out = torch.Tensor([[0,3], [2,3], [1,0], [3,4]]) cond = torch.Tensor([[1,0], [0,1], [1,0], [1,0

  3. 所属分类：其它

    • 发布日期：2020-12-17
    • 文件大小：87kb
    • 提供者：weixin_38631960

  1. 使用pytorch和torchtext进行文本分类的实例

  2. 文本分类是NLP领域的较为容易的入门问题，本文记录我自己在做文本分类任务以及复现相关论文时的基本流程，绝大部分操作都使用了torch和torchtext两个库。 1. 文本数据预处理 首先数据存储在三个csv文件中，分别是train.csv，valid.csv，test.csv，第一列存储的是文本数据，例如情感分类问题经常是用户的评论review，例如imdb或者amazon数据集。第二列是情感极性polarity，N分类问题的话就有N个值，假设值得范围是0~N-1。 下面是很常见的文本预处理流

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：100kb
    • 提供者：weixin_38706603

  1. Pytorch——分类问题

  2. 文章目录1.前言2.数据准备3.搭建神经网络4.训练搭建的神经网络5.可视化操作 1.前言 这次我们也是用最简单的途径来看看神经网络是怎么进行事物的分类. 2.数据准备 import torch import matplotlib.pyplot as plt n_data = torch.ones(200,2) x0 = torch.normal(2*n_data, 1) y0 = torch.zeros(200) x1 = torch.normal(-2*n_data, 1) y1 = tor

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：183kb
    • 提供者：weixin_38508821

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：72kb
    • 提供者：weixin_38747144

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：72kb
    • 提供者：weixin_38543950

  1. Pytorch中torch.nn的损失函数

  2. 目录 前言 一、torch.nn.BCELoss(weight=None, size_average=True) 二、nn.BCEWithLogitsLoss(weight=None, size_average=True) 三、torch.nn.MultiLabelSoftMarginLoss(weight=None, size_average=True) 四、总结 前言 最近使用Pytorch做多标签分类任务，遇到了一些损失函数的问题，因为经常会忘记（好记性不如烂笔头囧rz），都是现学现用，所

  3. 所属分类：其它

    • 发布日期：2020-12-21
    • 文件大小：72kb
    • 提供者：weixin_38588854

  1. 【Pytorch】BCELoss和BCEWithLogitsLoss损失函数详解

  2. 在Pytorch中，BCELoss和BCEWithLogitsLoss是一组常用的二元交叉熵损失函数，常用于二分类问题，其区别在于前者的输入为已进行sigmoid处理过的值，而后者为sigmoid函数11+exp⁡(−x)\frac{1}{1+\exp(-x)}1+exp(−x)1​中的xxx。 下面为一个简单的示例： import torch import torch.nn as nn predicts = torch.tensor([[0.4,0.7,1.2,0.3], [1.1,0.6,0

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：36kb
    • 提供者：weixin_38513794

  1. 使用PyTorch建立你的第一个文本分类模型

  2. 概述 学习如何使用PyTorch执行文本分类 理解解决文本分类时所涉及的要点 学习使用包填充(Pack Padding)特性 介绍 我总是使用最先进的架构来在一些比赛提交模型结果。得益于PyTorch、Keras和TensorFlow等深度学习框架，实现最先进的体系结构变得非常容易。这些框架提供了一种简单的方法来实现复杂的模型体系结构和算法，而只需要很少的概念知识和代码技能。简而言之，它们是数据科学社区的一座金矿! 在本文中，我们将使用PyTorch，它以其快速的计算能力而闻名。因此，在本文中

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：163kb
    • 提供者：weixin_38669091

  1. Research-Internship:pytorch及推荐系统学习记录-源码

  2. 研究实习 2021年-火炬和推荐的系统学习记录。 pytorch：第一阶段的熟悉每个模块的知识和实践 了解基于3.9的pytorch构建培训网络的一般过程。 张量操纵，损失函数，激活函数，GPU加速； 在3.10上动手进行多分类问题。 优化功能，完全连接的层，卷积，合并，bathNorm，在3.11上进行交叉验证。 经典卷积网络，resnet的实现和实践3.12。 在3.13上的LSTM层，RNN的实现和实践。 练习3.13中的情绪问题。

  3. 所属分类：其它

    • 发布日期：2021-03-11
    • 文件大小：96kb
    • 提供者：weixin_42151036

  1. 5. 网络 微调预训练网络RESNET pytorch源码，天气数据四分类问题

  2. 5. 网络 微调预训练网络RESNET pytorch源码，天气数据四分类问题

  3. 所属分类：深度学习

    • 发布日期：2021-02-24
    • 文件大小：82kb
    • 提供者：weixin_45755332

  1. 预训练网络RESNET pytorch源码，天气数据四分类问题

  2. 预训练网络RESNET pytorch源码，天气数据四分类问题预训练网络RESNET pytorch源码，天气数据四分类问题

  3. 所属分类：深度学习

    • 发布日期：2021-02-24
    • 文件大小：54kb
    • 提供者：weixin_45755332

  1. 学习速率衰减.pytorch源码，天气数据四分类问题

  2. 学习速率衰减.pytorch源码，天气数据四分类问题学习速率衰减.pytorch源码，天气数据四分类问题

  3. 所属分类：深度学习

    • 发布日期：2021-02-24
    • 文件大小：56kb
    • 提供者：weixin_45755332

  1. 数据增强pytorch源码，天气数据四分类问题

  2. 数据增强pytorch源码，天气数据四分类问题

  3. 所属分类：深度学习

    • 发布日期：2021-02-24
    • 文件大小：43kb
    • 提供者：weixin_45755332

  1. BN层pytorch源码，天气数据四分类问题

  2. BN层pytorch源码，天气数据四分类问题BN层pytorch源码，天气数据四分类问题

  3. 所属分类：深度学习

    • 发布日期：2021-02-24
    • 文件大小：117kb
    • 提供者：weixin_45755332
« 12 3 4 »