在使用RNN處理序列類型數(shù)據(jù)（以語句序列為例）時(shí)，常常會面臨數(shù)據(jù)長度不同的情況。如果每次僅輸入處理一個(gè)樣本，由于RNN的參數(shù)共享機(jī)制，不同長度的序列并不會出現(xiàn)什么問題。但是如...
發(fā)簡信
IP屬地：廣東
-
使用pytorch處理不同長度序列 -
win10兩臺電腦時(shí)間同步1、首先主機(jī)開啟Guest用戶，并且給Guest設(shè)置時(shí)間的權(quán)限。（若沒有打開，則：）（1）win+R打開運(yùn)行，輸入gpedit.msc打開組策略編輯 （2）展開：計(jì)算機(jī)管理-...
-
詳解pytorch CNN操作一維卷積 一維卷積主要用作降維或者升維。以下所有例子都以語音/NLP的場景講述，輸入的矩陣為batch x T x d。T為一個(gè)batch中語音的最長時(shí)間（短的語音會加pad...
-
直接source activate 環(huán)境名就可以了
Anaconda默認(rèn)進(jìn)入虛擬環(huán)境base設(shè)置修改
輸入source activate，會默認(rèn)進(jìn)入base環(huán)境不能一步到位直接進(jìn)入指定環(huán)境每次都要deactivate,退出后再次activate 原因：安裝了anaconda環(huán)...
-
Deep-Learning-with-PyTorch-3.8.3 高維上轉(zhuǎn)置
3.8.3 高維上轉(zhuǎn)置 在PyTorch中進(jìn)行轉(zhuǎn)置不僅限于矩陣。 我們可以通過指定應(yīng)該發(fā)生轉(zhuǎn)置（翻轉(zhuǎn)形狀和步幅）的兩個(gè)維度來轉(zhuǎn)置多維數(shù)組： 將其值從最右邊的維度開始（即，沿著...
-
Deep-Learning-with-PyTorch-3.8.2 轉(zhuǎn)置而不復(fù)制3.8.2 轉(zhuǎn)置而不復(fù)制 讓我們現(xiàn)在嘗試轉(zhuǎn)置。 讓我們看一下點(diǎn)張量，將其在行中具有單個(gè)點(diǎn)，在列中具有X和Y坐標(biāo)，然后將其旋轉(zhuǎn)以使單個(gè)點(diǎn)在列中。 我們借此機(jī)會介紹t函數(shù)，它是二...
-
Deep-Learning-with-PyTorch-3.8.1 其他張量存儲的視圖
3.8.1 其他張量存儲的視圖 我們可以通過提供相應(yīng)的索引來獲得張量中的第二個(gè)點(diǎn)： 結(jié)果張量在存儲中的偏移量為2（因?yàn)槲覀冃枰^第一個(gè)點(diǎn)，該點(diǎn)有兩個(gè)項(xiàng)目），并且由于張量是一...
-
Deep-Learning-with-PyTorch-3.8 張量元數(shù)據(jù)：大小，偏移量和步幅3.8 張量元數(shù)據(jù)：大小，偏移量和步幅 為了索引存儲，張量依賴于幾條信息以及它們的存儲，明確地定義它們：大小，偏移量和步幅。 這些相互作用的方式如圖3.5所示。 大?。ɑ蛐螤?..
-
Deep-Learning-with-PyTorch-3.7.2 修改存儲的值：就地操作
3.7.2 修改存儲的值：就地操作 除了上一節(jié)中介紹的對張量的操作以外，僅作為Tensor對象的方法存在的操作數(shù)量很少。 可以從名稱的尾部下劃線識別它們，例如zero_，這表...
-
Deep-Learning-with-PyTorch-3.7.1 索引到存儲
3.7.1 索引到存儲 讓我們看看在2D點(diǎn)中實(shí)際上如何建立存儲索引。 使用.storage屬性可以訪問給定張量的存儲： 即使張量報(bào)告自己具有三行兩列，但引擎蓋下的存儲是大小為...
-
Deep-Learning-with-PyTorch-3.7 張量：存儲的風(fēng)景3.7 張量：存儲的風(fēng)景 現(xiàn)在是時(shí)候讓我們更仔細(xì)地了解引擎蓋下的實(shí)現(xiàn)了。 張量中的值分配在由torch.Storage實(shí)例管理的連續(xù)內(nèi)存中。 存儲器是數(shù)字?jǐn)?shù)據(jù)的一維數(shù)組：即，...
-
Fisher線性判別
一、 簡述Fisher線性判別方法的基本思路，寫出準(zhǔn)則函數(shù)及對應(yīng)的解。 答： 1、Fisher線性判別： （1）考慮把d維空間的樣本投影到一條直線上，形成一維空間，即把維數(shù)壓...
-
Mac Os沒有聲音
有時(shí)候 Mac 從睡眠狀態(tài)恢復(fù)之后沒有聲音，這是 Mac OS X 系統(tǒng)的一個(gè) Bug。這是因?yàn)?Mac OS X 的核心音頻守護(hù)進(jìn)程「coreaudiod」出了問題，雖然簡...
-
Deep-Learning-with-PyTorch-3.6 張量API
3.6 張量API 至此，我們知道了什么是PyTorch張量以及它們是如何在幕后工作的。在總結(jié)之前，值得一看的是PyTorch提供的張量操作。 將它們?nèi)苛谐鲈谶@里幾乎沒有用...
-
Deep-Learning-with-PyTorch-3.5.3 管理張量的dtype屬性
3.5.3 管理張量的dtype屬性 為了分配正確的數(shù)字類型的張量，我們可以指定適當(dāng)?shù)膁type作為構(gòu)造函數(shù)的參數(shù)。 例如： 我們可以通過訪問相應(yīng)的屬性來找到張量的dtype...
-
Deep-Learning-with-PyTorch-3.5.2 適合各種場合的dtype
3.5.2 適合各種場合的dtype 正如我們將在以后的章節(jié)中看到的那樣，神經(jīng)網(wǎng)絡(luò)中發(fā)生的計(jì)算通常以32位浮點(diǎn)精度執(zhí)行。 更高的精度（例如64位）將無法改善模型的準(zhǔn)確性，并且...
-
python打亂數(shù)據(jù)
1、使用index手動(dòng)打亂 使用numpy中的shuffle打亂index，然后更新索引 代碼： 2、使用sklearn.model_selection中的train_tes...
-
Deep-Learning-with-PyTorch-3.5.1 用dtype指定數(shù)字類型
3.5.1 用dtype指定數(shù)字類型 張量構(gòu)造函數(shù)的dtype參數(shù)（即像張量，零和一的函數(shù)）指定將包含在張量中的數(shù)值數(shù)據(jù)（d）類型。 數(shù)據(jù)類型指定張量可以容納的可能值（整數(shù)與...
-
Deep-Learning-with-PyTorch-3.5 張量元素類型
3.5 張量元素類型 到目前為止，我們已經(jīng)介紹了張量如何工作的基礎(chǔ)知識，但是我們還沒有涉及可以在Tensor中存儲哪些類型的數(shù)字類型。 正如我們在3.2節(jié)中所暗示的那樣，使用...