摘要: 现只讲在自定义网络中add_module的作用。 总结: 在自定义网络的时候,由于自定义变量不是Module类型(例如,我们用List封装了几个网络),所以pytorch不会自动注册网络模块。add_module函数用来为网络添加模块的,所以我们可以使用这个函数手动添加自定义的网络模块。当然,这种情 阅读全文
posted @ 2021-06-19 17:32 蒙面的普罗米修斯 阅读(10107) 评论(0) 推荐(3) 编辑
摘要: 问题:在运行深度学习模型的时候,总是要nvidia-smi一下看看那块显卡比较空闲,很麻烦。 解决方法:写个bash脚本,每次运行程序的时候,选择显存剩余最大的GPU。 #!/bin/bash n=$(nvidia-smi -q -d Memory|grep -A4 GPU|grep Free |g 阅读全文
posted @ 2020-08-03 09:37 蒙面的普罗米修斯 阅读(1144) 评论(0) 推荐(0) 编辑
摘要: 这些指标都是衡量搜索引擎算法的指标。搜索引擎一般采用PI(peritem)的方式进行评测,简单地说就是逐条对搜索结果进行分等级的打分。假设我们现在在Google上搜索一个词,然后得到5个结果。我们对这些结果进行3个等级的区分:Good(好)、Fair(一般)、Bad(差),然后赋予他们分值分别为3、 阅读全文
posted @ 2020-06-14 01:00 蒙面的普罗米修斯 阅读(7636) 评论(1) 推荐(2) 编辑
摘要: pytorch入门3.0构建分类模型再体验(准备数据) pytorch入门3.1构建分类模型再体验(模型和训练) pytorch入门3.2构建分类模型再体验(批处理) 在前几篇博文里,细心地你可能会看到batch_size的变量,但是被注释掉了,这里讲解下batchsize变量的作用。 EPOCH: 阅读全文
posted @ 2020-06-13 12:16 蒙面的普罗米修斯 阅读(411) 评论(0) 推荐(0) 编辑
摘要: pytorch入门3.0构建分类模型再体验(准备数据) pytorch入门3.1构建分类模型再体验(模型和训练) pytorch入门3.2构建分类模型再体验(批处理) 在分类模型中,我们使用的神经网络模型其实跟回归模型中的差不多,但是这里我们输入的是两个数(数值对),输出也是两个数,分类0或者分类1 阅读全文
posted @ 2020-06-12 01:01 蒙面的普罗米修斯 阅读(340) 评论(0) 推荐(0) 编辑
摘要: pytorch入门3.0构建分类模型再体验(准备数据) pytorch入门3.1构建分类模型再体验(模型和训练) pytorch入门3.2构建分类模型再体验(批处理) 上回我们用pytorch完成了回归模型,为了进一步熟练,我们在用类似的方法,在做一做分类问题。 首先,准备数据。在此我们随机生成了1 阅读全文
posted @ 2020-06-12 01:00 蒙面的普罗米修斯 阅读(235) 评论(0) 推荐(0) 编辑
摘要: 说明:本系列是阅读项亮老师的《推荐系统实战》的一些即使笔记。自己记性不好,俗话说好记性都不如烂笔头,于是叮嘱自己作文记之。 上回书我们讲到推荐系统的基本介绍,算是用脚指头碰了碰推荐系统的门槛,希望我不要继续缩回去,继续碰它! 与人斗,其乐无穷。 第二章 利用用户行为数据 想要给别人推荐东西,首先得研 阅读全文
posted @ 2020-06-10 20:45 蒙面的普罗米修斯 阅读(191) 评论(0) 推荐(0) 编辑
摘要: pytorch入门2.x构建回归模型系列: pytorch入门2.0构建回归模型初体验(数据生成) pytorch入门2.1构建回归模型初体验(模型构建) pytorch入门2.2构建回归模型初体验(开始训练) 经过上面两个部分,我们完成了数据生成、网络结构定义,下面我们终于可以小试牛刀,训练模型了 阅读全文
posted @ 2020-06-10 20:40 蒙面的普罗米修斯 阅读(1086) 评论(0) 推荐(0) 编辑
摘要: pytorch入门2.x构建回归模型系列: pytorch入门2.0构建回归模型初体验(数据生成) pytorch入门2.1构建回归模型初体验(模型构建) pytorch入门2.2构建回归模型初体验(开始训练) 终于要构建模型啦。这里我们构建的是回归模型,是用神经网络构建的,基本结构是什么样的呢? 阅读全文
posted @ 2020-06-10 20:09 蒙面的普罗米修斯 阅读(1323) 评论(0) 推荐(0) 编辑
摘要: Talk is cheap, show me the executable code! 上文书说到样本划分,那具体如何操作呢? 马上来举个栗子: 使用sklean进行打乱,然后按比例截取 import sklearn import numpy as np # 生成数据 X = np.linspace 阅读全文
posted @ 2020-06-10 17:44 蒙面的普罗米修斯 阅读(260) 评论(0) 推荐(0) 编辑