随笔分类 -  深度学习

基于torch的神经网络训练
LSTM时序数据预测实践(实时股票数据)
摘要：LSTM时序数据预测实践(实时股票数据) ​ 预测结果展示（以红线分割，红线前数据参与训练，红线后数据未参与训练）: ​ 红线以后可以看到随着预测时间段的加长，预测误差会越来越大。 获取最新股票数据 import pandas_datareader.data as web # 读取实时股票数据的接口 阅读全文
posted @ 2022-03-16 18:18 旁人怎会懂 阅读(863) 评论(0) 推荐(0)
验证LSTM内部实现流程，加深对LSTM的印象
摘要：验证LSTM内部实现流程，加深对LSTM的印象 LSTM结构图单层 LSTM结构图多层 # 验证经过一个cell的计算 import torch import torch.nn as nn # 1. 设置特征 feature_size = 4 batch_size = 1 hidden_size = 阅读全文
posted @ 2022-03-14 11:47 旁人怎会懂 阅读(137) 评论(0) 推荐(0)
RNN输入数据加工问题与循环原理流程分析（torch）
摘要：RNN输入数据加工问题与循环流程分析（torch） RNN 输入序列数据加工处理 1.1 原始数据 # 假设训练样本text，为4行文本，每个词的词向量为torch.size(1),单元素0维量,tensor.item()获取其中元素 ''' text = [我, 我 爱 你, 爱 , 你 ] -- 阅读全文
posted @ 2022-03-10 17:06 旁人怎会懂 阅读(135) 评论(0) 推荐(0)
手工简单复现经典CNN网络测试（LeNet5、AlexNet、VGG16、GoogLeNet、ResNet）
摘要：手工简单复现经典CNN网络测试 **前言：**突然想把看到的机器视觉的经典网络（LeNet5、AlexNet、VGG16、GoogLeNet、ResNet）手工复现一遍，运气好的可以看到效果时逐渐趋于完美的，但现实是残酷的，这里把遇到的问题和部分结果记录以下(真心认为解决问题的过程就是成长的过程) 阅读全文
posted @ 2022-03-01 09:52 旁人怎会懂 阅读(310) 评论(0) 推荐(0)
手动创建词向量训练神经网络
摘要：一直不太明白词向量怎样产生，搜索生成原理后，自己分别使用word2vector和自建单隐层神经网络进行训练（数据集优美，量少，不用太在意训练效果，主要记录流程） 先介绍数据处理与网络架构： 1.训练数据集： import torch import torch.nn as nn from torch. 阅读全文
posted @ 2022-02-13 19:58 旁人怎会懂 阅读(77) 评论(0) 推荐(0)
验证 CrossEntropyLoss 内部运算过程
摘要：## 验证 CrossEntropyLoss 内部运算过程 import torch from torch.nn import CrossEntropyLoss from torch.optim import SGD # 假设三分类真实值real 和预测值pred real = [0,1,1,2] 阅读全文
posted @ 2022-02-09 09:40 旁人怎会懂 阅读(59) 评论(0) 推荐(0)
手写简单的BP(反向传播)算法，实现预测
摘要：手写简单的BP(反向传播)算法（一个隐藏层），网络结构如下： 具体代码实现及数据预测结果: import numpy as np import matplotlib.pyplot as plt # 训练集特征2维 X = np.array([[2,1],[-1,1],[-1,-1],[1,-1]]) 阅读全文
posted @ 2021-10-15 15:17 旁人怎会懂 阅读(354) 评论(0) 推荐(0)
基于word2vec+TextCNN 作文本分类
摘要：基于TextCNN作文本分类模型 一. 准备工作： 环境：python3.7+torch+GPU 数据集：网上下载的4分类中文文本，如下图： 模块使用： import os import jieba import torch import joblib import torch.nn as nn f 阅读全文
posted @ 2021-04-16 09:29 旁人怎会懂 阅读(638) 评论(0) 推荐(0)