人工智能
-
pytorch中的前项计算和反向传播
前项计算1 import torch # (3*(x+2)^2)/4 #grad_fn 保留计算的过程 x = torch.ones([2,2],requires_grad=True) print(x) y = x+2 print(y) z = 3*y.pow(2) print(z) out = z.mean() print(out) #带有反向传播属性…
-
pytorch 手写数字识别项目 增量式训练
dataset.py ”’ 准备数据集 ”’ import torch from torch.utils.data import DataLoader from torchvision.datasets import MNIST from torchvision.transforms import ToTensor,Compose,Normalize…
-
pytorch Dataset数据集和Dataloader迭代数据集
import torch from torch.utils.data import Dataset,DataLoader class SmsDataset(Dataset): def __init__(self): self.file_path = “./SMSSpamCollection” self.lines = open(self.file_path,…
-
pytorch torchversion自带的数据集
from torchvision.datasets import MNIST # import torchvision # torchvision.datasets. #准备数据集 mnist = MNIST(root=”./mnist”,train=True,download=True) print(mnist) mnist[0][0].show(…
-
pytorch实现手动线性回归
import torch import matplotlib.pyplot as plt learning_rate = 0.1 #准备数据 #y = 3x +0.8 x = torch.randn([500,1]) y_true = 3*x + 0.8 #计算预测值 w = torch.rand([],requires_grad=True) b = tor…
-
pytorch Model Linear实现线性回归CUDA版本
实验代码 import torch import torch.nn as nn #y = wx + b class MyModel(nn.Module): def __init__(self): super(MyModel,self).__init__() #自定义代码 # self.w = torch.rand([500,1],requires_gra…
-
pytorch torchversion标准化数据
新旧标准差的关系
-
pytorch seq2seq闲聊机器人beam search返回结果
decoder.py “”” 实现解码器 “”” import heapq import torch.nn as nn import config import torch import torch.nn.functional as F import numpy as np import random from chatbot.attention impor…
-
pytorch 中模型的保存与加载，增量训练
让模型接着上次保存好的模型训练，模型加载 #实例化模型、优化器、损失函数 model = MnistModel().to(config.device) optimizer = optim.Adam(model.parameters(),lr=0.01) if os.path.exists(“./model/mnist_net.pt”): model.loa…
-
pytorch seq2seq模型中加入teacher_forcing机制
在循环内加的teacher forcing机制，这种为目标确定的时候，可以这样加。 目标不确定，需要在循环外加。 decoder.py 中的修改 “”” 实现解码器 “”” import torch.nn as nn import config import torch import torch.nn.functional as F import numpy…
