随笔分类 - A---pytorch框架
摘要：视频讲解 直接看这个-->Github 导包： import re import math import torch import numpy as np from random import * import torch.nn as nn import torch.optim as optim i
阅读全文
摘要：https://www.cnblogs.com/linzhenyu/p/13277552.html
阅读全文
摘要：摘抄 1. 爬取京东商品评论 JD.py import requests from urllib.parse import quote from urllib.parse import urlencode from lxml import etree import logging import js
阅读全文
摘要：笔记摘抄 Transformer模型（文本分类仅用到Encoder部分）： 1. 数据预处理 和上一个博客https://www.cnblogs.com/douzujun/p/13511237.html中的数据和预处理都一致。 import numpy as np import torch from
阅读全文
摘要：摘抄笔记 语料链接：https://pan.baidu.com/s/1aDIp3Hxw-Xuxcx-lQ_0w9A 提取码：hpg7 train.txt pos/neg各500条，一共1000条（用于训练模型） dev.txt pos/neg各100条，一共200条（用于调参数） test.txt
阅读全文
摘要：https://blog.csdn.net/qq_40210472/article/details/87895626 1. nn.Conv2d nn.Conv2d 输入信号的形式为(N, Cin, H, W), N表示batch size，Cin表示channel个数，H，W分别表示特征图的高和宽
阅读全文
摘要：1. 创建vocabulary 学习词向量的概念 用Skip-thought模型训练词向量 学习使用PyTorch dataset 和 dataloader 学习定义PyTorch模型 学习torch.nn中常见的Module Embedding 学习常见的PyTorch operations bm
阅读全文
摘要：https://www.jianshu.com/p/8ea7fba72673 https://pytorch.org/tutorials/beginner/data_loading_tutorial.html num_works设置过高出错(多线程错误，使用gpu就没事了) https://blog
阅读全文
摘要：output = torch.max(x,dim=1) input输入的是一个tensor dim是max函数索引的维度0/1，0是每列的最大值，1是每行的最大值 返回的是两个值：一个是每一行最大值的tensor组，另一个是最大值所在的位置 max_col_value = torch.max(x,d
阅读全文
摘要：参考： https://pytorch.org/docs/stable/nn.html https://github.com/apachecn/pytorch-doczh/blob/master/docs/1.0/blitz_data_parallel_tutorial.md https://blo
阅读全文
摘要：1. 数据集 import numpy as np import torch from torch import nn, optim from torchtext import data, datasets import numpy as np import torch from torch imp
阅读全文
摘要：打开Google的Colab 运行： !pip install torch !pip install torchtext !pip install torchvision # K80 gpu for 12 hours import torch from torch import nn, optim
阅读全文
摘要：笔记摘抄 提前安装torchtext和scapy，运行下面语句（压缩包地址链接：https://pan.baidu.com/s/1_syic9B-SXKQvkvHlEf78w 提取码：ahh3）： pip install torchtext pip install scapy pip install
阅读全文
摘要：LSTM详解 LSTM实现 笔记摘抄 1. nn.LSTM 1.1 lstm=nn.LSTM(input_size, hidden_size, num_layers) lstm=nn.LSTM(input_size, hidden_size, num_layers) 参数： input_size：输
阅读全文
摘要：笔记摘抄 1. 问题描述 已知 [k, k+n)时刻的正弦函数，预测 [k+t, k+n+t)时刻的正弦曲线。 因为每个时刻曲线上的点是一个值，即feature_len=1 如果给出50个时刻的点，即seq_len=50 如果只提供一条曲线供输入，即batch=1 输入的shape=[seq_len
阅读全文
摘要：笔记摘抄 1. 词嵌入 nn.Embedding(num_embeddings, embedding_dim, padding_idx=None, max_norm=None, norm_type=2.0, scale_grad_by_freq=False, sparse=False, _weigh
阅读全文
摘要：1. nn.Linear() nn.Linear()：用于设置网络中的全连接层，需要注意的是全连接层的输入与输出都是二维张量 一般形状为[batch_size, size]，不同于卷积层要求输入输出是四维张量。其用法与形参说明如下： in_features指的是输入的二维张量的大小，即输入的[bat
阅读全文
摘要：https://blog.csdn.net/Answer3664/article/details/99460175 requires_grad=True 要求计算梯度 requires_grad=False 不要求计算梯度 with torch.no_grad()或者@torch.no_grad()
阅读全文
摘要：ResNet图解 nn.Module详解 1. Pytorch上搭建ResNet-18 1.1 ResNet block子模块 import torch from torch import nn from torch.nn import functional as F class ResBlk(nn
阅读全文
摘要：1. 数据增强 比如，你遇到的一个任务，目前只有小几百的数据，然而目前流行的最先进的神经网络都是成千上万的图片数据，可以通过数据增强来实现。 卷积神经网络非常容易出现过拟合的问题，而数据增强的方法是对抗过拟合问题的一个重要方法。 常用的数据增强手段： Flip（翻转） Rotation（旋转） Sc
阅读全文
浙公网安备 33010602011771号