LQ6H

摘要： PyTorch–常用的工具在训练神经网络的过程中需要用到很多工具，其中最重要的三部分是数据，可视化和GPU加速一.数据处理数据的处理对训练神经网络来说十分重要，良好的数据处理不仅加速模型训练，也会提高模型效果数据加载在PyTorch中，数据加载可通过自定义的... 阅读全文

posted @ 2019-03-09 11:47 LQ6H 阅读(1209) 评论(0) 推荐(0)

摘要： PyTorch–神经网络工具箱nnautograd实现了自动微分系统，然而对于深度学习来说过于底层，，我们介绍的nn模块，构建与autograd之上的神经网络模块。除了nn之外，我们还会介绍神经网络中常用的工具，比如优化器optim,初始化init等一.nn... 阅读全文

posted @ 2019-03-07 20:51 LQ6H 阅读(677) 评论(0) 推荐(0)

摘要： Pytorch–autograd用Tensor训练网络很方便，但从上一小节最后的线性回归例子来看，反向传播过程需要手动实现。这对于像线性回归等较为简单的模型来说，还可以应付，但实际使用中经常出现非常复杂的网络结构，此时如果手动实现反向传播，不仅费时费力，而且... 阅读全文

posted @ 2019-03-07 20:50 LQ6H 阅读(486) 评论(0) 推荐(0)

摘要： PyTorch–Tensor几乎所有的深度学习框架背后的设计核心都是张量和计算图，PyTorch也不例外一.Tensor的简介Tensor，又名张量，可能对这个名词似曾相识，因它不仅在PyTorch中出现过，它也是Theano、TensorFlow、Torc... 阅读全文

posted @ 2019-03-03 12:29 LQ6H 阅读(1180) 评论(0) 推荐(0)

摘要： PyTorch–快速入门一.安装与配置关于pytorch的安装，要从官网选择操作系统，包管理器pip，python版本及CUDA版本，会对应不同的安装命令二.PyTorch入门第一步PyTorch的简洁设计使得它入门很简单，在深入介绍PyTorch之前，本节... 阅读全文

posted @ 2019-03-03 10:49 LQ6H 阅读(394) 评论(0) 推荐(0)

摘要： ML–文本数据处理一直以来，自然语言处理(Natual Language Processing,NLP)作为人工智能的重要分支之一，其研究的内容是如何实现人与计算机之间用自然语言进行有效的通信。自然语言处理中的基础知识–如何对文本数据进行处理主要涉及的知识点... 阅读全文

posted @ 2019-02-24 22:04 LQ6H 阅读(1353) 评论(0) 推荐(0)

摘要： ML–模型评估与优化主要涉及的知识点有：使用交叉验证对模型进行评估使用网络搜索寻找模型的最优参数对分类模型的可信度进行评估一.使用交叉验证进行模型评估在前面的内容中，我们常常使用scikit-learn中的train_test_split功能来将数据集拆分成... 阅读全文

posted @ 2019-02-24 15:14 LQ6H 阅读(948) 评论(0) 推荐(0)

摘要： ML–数据表达与特征工程主要涉及的知识点有：使用哑变量对类型特征进行转化对数据进行装箱处理几种常用的数据"升维"方法常用的自动特征选择方法一.数据表达1.使用哑变量转化类型特征哑变量(Dummy Variables)，也被称为虚拟变量，是一种在统计学和经济领... 阅读全文

posted @ 2019-02-24 10:12 LQ6H 阅读(635) 评论(0) 推荐(0)

摘要： ML–数据预处理，降维，特征提取及聚类主要涉及的知识点有：几种常见的数据预处理工具PCA主成分分析用于数据降维PCA主成分分析和NMF非负矩阵分解用于特征提取几种常用的聚类算法一.数据预处理1.使用StandardScaler进行数据预处理# 导入numpy... 阅读全文

posted @ 2019-02-23 22:23 LQ6H 阅读(1160) 评论(0) 推荐(0)

摘要： ML–神经网络主要涉及的知识点有：神经网络的前世今生神经网络的原理和非线性矫正神经网络的模型参数调节使用神经网络训练手写数字识别模型一.神经网络的前世今生其实神经网络并不是什么新鲜事物了，早在1943年，美国神经解剖家沃伦.麦克洛奇(Warren McCul... 阅读全文

posted @ 2019-02-23 10:51 LQ6H 阅读(861) 评论(0) 推荐(0)

追逐强