您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. 动手学深度学习PyTorch版 | (4)循环神经网络

  2. 文章目录一. 传统RNN二. GRUstep 1 : 载入数据集step 2 : 初始化参数step 3: GRUstep 4: 训练模型简洁实现GRU三. LSTMstep 1: 初始化参数step 2: LSTM 主函数step 3: 训练模型step 4: 简洁实现 一. 传统RNN RNN存在的问题:梯度较容易出现衰减或爆炸(BPTT) 二. GRU ⻔控循环神经⽹络:捕捉时间序列中时间步距离较⼤的依赖关系 重置⻔有助于捕捉时间序列⾥短期的依赖关系; 更新⻔有助于捕捉时间序列⾥
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:251kb
    • 提供者:weixin_38728277
  1. 动手学深度学习PyTorch版 | (4)循环神经网络

  2. 文章目录一. 传统RNN二. GRUstep 1 : 载入数据集step 2 : 初始化参数step 3: GRUstep 4: 训练模型简洁实现GRU三. LSTMstep 1: 初始化参数step 2: LSTM 主函数step 3: 训练模型step 4: 简洁实现 一. 传统RNN RNN存在的问题:梯度较容易出现衰减或爆炸(BPTT) 二. GRU ⻔控循环神经⽹络:捕捉时间序列中时间步距离较⼤的依赖关系 重置⻔有助于捕捉时间序列⾥短期的依赖关系; 更新⻔有助于捕捉时间序列⾥
  3. 所属分类:其它

    • 发布日期:2020-12-23
    • 文件大小:251kb
    • 提供者:weixin_38644688
  1. PyTorch学习笔记(二)图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法,包括数据增强和标准
  3. 所属分类:其它

  1. PyTorch学习笔记(二)图像数据预处理

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. 基本变换类1.1 填充1.2 擦除1.3 缩放1.4 裁剪1.5 旋转1.6 翻转1.7 颜色1.8 仿射变换和线性变换1.9 归一化和标准化1.10. Lambda2. 组合变换类3. 自定义图像数据增强 0. 写在前面 本文记录了使用 PyTorch 实现图像数据预处理的方法,包括数据增强和标准
  3. 所属分类:其它

  1. PyTorch学习笔记(四)调整学习率

  2. Environment OS: macOS Mojave Python version: 3.7 PyTorch version: 1.4.0 IDE: PyCharm 文章目录0. 写在前面1. StepLR1.1 scheduler 常用的属性1.2 scheduler 常用的方法2. MultiStepLR3. ExponentialLR4. ReduceLROnPlateau5. LambdaLR 0. 写在前面 PyTorch 在 torch.optim.lr_scheduler 中
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:265kb
    • 提供者:weixin_38526823
  1. [DL]PyTorch 学习总结(1)

  2. 本系列文章为“深度之眼” PyTorch 框架班学习笔记。 安装 PyTorch(macOS 操作系统下) pip install torch 查询 PyTorch 版本 import torch print(torch.__version__) # 1.5.0 张量是什么? 张量是一个多维数组: – 标量是一个 0 维数组; – 向量是一个 1 维数组; – 矩阵是一个 2 维张量。 torch.tensor 有什么功能? 最重要的功能是可以求导: – data:被转换为 tensor 的
  3. 所属分类:其它

    • 发布日期:2020-12-21
    • 文件大小:52kb
    • 提供者:weixin_38748556
  1. PyTorch学习笔记(5)Dataloader与Dataset(2)

  2. 人民币识别 split_dataset import os import random import shutil def makedir(new_dir): if not os.path.exists(new_dir): os.makedirs(new_dir) if __name__ == '__main__': random.seed(1) dataset_dir = os.path.join(data, RMB_data) split_di
  3. 所属分类:其它

    • 发布日期:2021-01-07
    • 文件大小:82kb
    • 提供者:weixin_38736018
  1. PyTorch学习笔记(1)张量

  2. tensor torch.tensor(data, # 数据 可以使list numpy dtype=None, # 数据类型 默认与data一致 device=None, # 所在设备 cuda / cpu requires_grad=False, # 是否需要梯度 pin_memory = False ,# 是否存于锁页内存) flag = True if flag: arr = np.ones((3,3)) print('ndarray的数据类型:',arr.dtype
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:31kb
    • 提供者:weixin_38515573
  1. pytorch学习笔记(十五)————动量与学习率衰减

  2. pytorch学习笔记(十五)————动量与学习率衰减目录动量学习率衰减 目录 动量 从形式上看, 动量算法引入了变量 z充当速度角色——它代表参数在参数空间移动的方向和速率。速度被设为负梯度的指数衰减平均。名称 动量(momentum),相当于引入动量前的梯度概念,指示着loss在参数空间下一步要下降的方向和大小。 其中wk+1w^{k+1}wk+1表示更新后权重;wkw^{k}wk表示更新前权重;zk+1z^{k+1}zk+1代表动量,,α表示学习率 从公式zk+1=βzk+▽f(wk)z
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:834kb
    • 提供者:weixin_38679276
  1. PyTorch | (2)PyTorch 入门-张量

  2. PyTorch | (1)初识PyTorch PyTorch | (2)PyTorch 入门-张量 PyTorch 是一个基于 Python 的科学计算包,主要定位两类人群: NumPy 的替代品,可以利用 GPU 的性能进行计算。 深度学习研究平台拥有足够的灵活性和速度 Tensors (张量)         Tensor在PyTorch中负责存储基本数据,PyTorch针对Tensor也提供了相对丰富的函数和方法,所以PyTorch中的Tensor与NumPy的数组具有极高的相似性。T
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:156kb
    • 提供者:weixin_38718690
  1. PyTorch学习笔记(3)autograd 自动求导

  2. 自动求导 torch.autograd.backward 自动求取梯度 tensors 用于求导的张量 retain_graph 保存计算图 create_graph 创建导数计算图 用于高阶求导 grad_tensors 多梯度权重 flag = True # flag = False if flag: # requires_grad 要求梯度 w = torch.tensor([1.],requires_grad=True) x = torch.tensor([2.]
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:22kb
    • 提供者:weixin_38635449
  1. PyTorch学习笔记(2)计算图

  2. 计算图 是用来描述运算的有向无环图 两个主要元素 结点Node 边 Edge 结点表示数据 向量 矩阵 张量 边表示运算 加减乘除卷积 使梯度求导更加方便 import torch w = torch.tensor([1.],requires_grad=True) x = torch.tensor([2.],requires_grad=True) a = torch.add(w,x) # 保存相应张量的梯度 a.retain_grad() b = torch.add(w,1) y = tor
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:29kb
    • 提供者:weixin_38670433
  1. tensorflow2.0学习总结(资料篇)

  2. 内心独白 对于一个完全小白而言,突然跨进这个领域很迷茫。就像关进瓶子里的猫,前途一片光明,却找不到出口。 tensorflow简单介绍 tensorflow是由google开发,在2019年春发布了2.0版本。与1x版本相比tensorflow2.0版本有了很大的改变,更方便开发人员上手。 与facebook的PyTorch相比两者不相上下,但由于tensorflow 1x版本存在许多弊端,许多人更喜欢用PyTorch。但最近几年统计而言用tensorflow的人比较多。 对于tensorflo
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:50kb
    • 提供者:weixin_38582719
  1. pytorch学习笔记(一)

  2. 文章目录前言tensor1.创建tensor2. 基本属性3. 基本方法4. 运算5. GPU运算自动求导Autograd清空grad阻止autograd跟踪 前言 此为小弟pytorch的学习笔记,希望自己可以坚持下去。(2020/2/17) pytorch官方文档 pytorch中文教程 tensor tensor是pytorch的最基本数据类型,相当于numpy中的ndarray,并且属性和numpy相似,tensor可在GPU上进行运算。 tensor常见的基本属性: 1.创建tens
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:279kb
    • 提供者:weixin_38738830
  1. PyTorch学习笔记(4)Dataloader与Dataset(1)

  2. torch.utils.data.DataLoader dataset Dataset类 决定数据从哪读取及如何读取 batchsize 批大小 num_works 是否多进程读取数据 shuffle 每个epoch 是否乱序 drop_last 当样本数不能被batchsize整除时,是否舍弃最后一批数据 Epoch 所有训练样本都已输入到模型中,成为一个Epoch Iteration 一批样本输入到模型中,称之为一个Iteration Batchsize 批大小 决定一个Epoch有多少个I
  3. 所属分类:其它

    • 发布日期:2021-01-06
    • 文件大小:29kb
    • 提供者:weixin_38749863
  1. BERTem:论文实现(ACL2019):《填补空白:关系学习的分布相似性》-源码

  2. 实现说明 主要实现文章前半部分的工作,PyTorch实现,基于的工作,PyTorch才是世界上最屌的框架,逃脱。 实现参考 代码说明 (1)主要修改: 输出表示形式: BertForSequenceClassification 输入表示形式: BertEmbeddings 输入和输出都实现了多种策略,可以结合具体的任务,找到最佳的组合。 (2)非主要实现:examples下的关于classification的文件 (3)服务部署:基于Flask,可以在本地开启一个服务。具体实现在中。
  3. 所属分类:其它

    • 发布日期:2021-02-03
    • 文件大小:363kb
    • 提供者:weixin_42104906
  1. pytorch学习笔记(十五)————Early Stop,Dropout

  2. pytorch学习笔记(十五)————Early Stop,Dropout,SGD目录Early StopDropoutSGD随机梯度下降 目录 Early Stop (1)Early Stop的概念 Early Stop的概念非常简单,在我们一般训练中,经常由于过拟合导致在训练集上的效果好,而在测试集上的效果非常差。因此我们可以让训练提前停止,在测试集上达到最好的效果时候就停止训练,而不是等到在训练集上饱和在停止,这个操作就叫做Early Stop。 (2)Early Stop的过程 Dr
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:584kb
    • 提供者:weixin_38739919
  1. 深度学习PyTorch实践打卡(二)

  2. ##一、典型的神经网络结构 (1)传统的多层感知机 (2)卷积神经网络,包括 a. AlexNet 真正让卷积神经网络走进大家视野的网络 b. VGG 用更小的卷积核,在相同的感受野下具有更深的网络结构 c. GoogleNet 不同size的卷积核的Ensemble d. ResNet e. DenseNet (3) 循环/递归神经网络 a. LSTM b. GRU 二、Seq2Seq模型 三、注意力机制 四、过拟合、欠拟合及其解决方案 (1)过拟合、欠拟合的概念 一类是模型无法得到较低的训练
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:40kb
    • 提供者:weixin_38555019
  1. Pytorch学习-(1)

  2. 1. pytorch简介 PyTorch是一个开源的Python机器学习库,基于Torch,用于自然语言处理等应用程序。Pytorch和Numpy库很像,但是Pytorch确可以简化很多深度学习中的步骤,只有你自己下去使用一次才能体会到它的强大。 2. 安装 (1)进入Pytorch官网:link (2)刚进去就会有一个GetStart的英文,点击进去。 (3)往下翻一点会出现以下界面: (4) 选择自己的的配置和CUDA版本,如果你不知道怎么看CUDA版本,可以点击这个链接:link (5)
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:397kb
    • 提供者:weixin_38677255
  1. [DL]PyTorch 学习总结(2)

  2. 文章目录1. 计算图1.1 动态图1.2 静态图1.3 计算图示例2. 张量的运算2.1 张量的四则运算2.2 对数,指数,幂函数运算2.3 三角函数2.4 变换函数2.5 降维函数2.6 比较函数3. 张量的索引,变换,拼接与拆分3.1 张量的索引3.2 张量的变换3.3 张量的拼接3.4 张量的拆分 1. 计算图 一个深度学习模型是由“计算图”构成的。所谓计算图是一个有向无环图(directed acyclic graph)。数据是这个图的节点(node),运算是这个图的边(edge)。如下
  3. 所属分类:其它

    • 发布日期:2021-01-20
    • 文件大小:55kb
    • 提供者:weixin_38706055
« 12 3 4 5 6 7 8 9 10 ... 15 »