發(fā)簡信
IP屬地：內(nèi)蒙古
-
Pytorch：十二的作業(yè)用LSTM來做下那個(gè)預(yù)測問題 LSTM要初始化的參數(shù)：input_size,hidden_size,num_layers,batch_first...
-
Pytorch：十二、RNN（基礎(chǔ)）實(shí)際上就是對(duì)線性層的復(fù)用？ 卷積層運(yùn)算復(fù)雜，但是權(quán)重不多（共享權(quán)重）；而FC層則是反一下，如果同一層的個(gè)數(shù)太多，那么其權(quán)重的數(shù)量可能會(huì)多到難以處...
-
Pytorch：跑模型簡單模板
題外話 用MNIST數(shù)據(jù)集來進(jìn)行模型學(xué)習(xí)的通用代碼：
-
Pytorch：十一、CNN（高級(jí)）實(shí)際的CNN結(jié)構(gòu)可能要更為復(fù)雜，比如：分支，輸出拿來再用等； 分支網(wǎng)絡(luò)： other是指 如果還是跟之前一樣，一個(gè)個(gè)的去實(shí)例化的話，那么這個(gè)Ne...
-
Pytorch：十、卷積神經(jīng)網(wǎng)絡(luò)(基礎(chǔ))全連接網(wǎng)絡(luò)：網(wǎng)絡(luò)中所使用的全都是線性層，并且串行器來，就跟上一章的那個(gè)模型一樣的樣子： 線性層中輸入\出層的任意兩個(gè)節(jié)點(diǎn)之間都有權(quán)重，即所有輸入...
-
Pytorch：九、多分類問題經(jīng)常使用softmax分類器 以Mnist數(shù)據(jù)集為例： 這里有10種數(shù)據(jù)類型，那么其對(duì)應(yīng)輸出該如何寫？ 我們希望y1-10之間具有競爭性：也就是...
-
Pytorch：八的作業(yè)
拿神經(jīng)網(wǎng)絡(luò)寫一下泰坦尼克 導(dǎo)入數(shù)據(jù)，用dataset&dataloader 注意，之前的各種數(shù)據(jù)預(yù)處理在這里直接調(diào)用pd.get_dummies...
-
Pytorch：八、加載數(shù)據(jù)集Dataloader主要是拿出一些Mini-Batch來供訓(xùn)練時(shí)能夠快速使用。使用batch可以提升計(jì)算速度，但是其求值的性能會(huì)有些問題。因此選...
-
Pytorch：七、多維輸入在面對(duì)多維輸入時(shí)，σ函數(shù)的輸入就變成了： 通常把那兩個(gè)向量相乘記為z(i)； Mini-Batch (N samples)： pytorch的s...