PyTorch
-
动手学深度学习PyTorch版-task04
课后习题 task0402.注意力机制与Seq2seq模型 不同的attetion layer的区别在于score函数的选择，在本节的其余部分，我们将讨论两个常用的注意层 Dot-product Attention 和 Multilayer Perceptron Attention；随后我们将实现一个引入attention的seq2seq模型并在英法翻译语料…
-
动手学深度学习PyTorch版-task03
课后习题 训练集、验证集和测试集的意义https://blog.csdn.net/ch1209498273/article/details/78266558有了模型后，训练集就是用来训练参数的，说准确点，一般是用来梯度下降的。而验证集基本是在每个epoch完成后，用来测试一下当前模型的准确率。因为验证集跟训练集没有交集，因此这个准确率是可靠的。那么为啥还需要…
-
动手学深度学习PyTorch版-task01
优化函数 – 随机梯度下降 当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式表达出来。这类解叫作解析解（analytical solution）。本节使用的线性回归和平方误差刚好属于这个范畴。然而，大多数深度学习模型并没有解析解，只能通过优化算法有限次迭代模型参数来尽可能降低损失函数的值。这类解叫作数值解（numerical solut…
-
Pytorch官方教程：用RNN实现字符级的分类任务
数据处理 数据可以从传送门下载。 这些数据包括了18个国家的名字，我们的任务是根据这些数据训练模型，使得模型可以判断出名字是哪个国家的。 一开始，我们需要对名字进行一些处理，因为不同国家的文字可能会有一些区别。 在这里最好先了解一下Unicode：可以看看：Unicode的文本处理二三事 …
-
Pytorch官方教程：用RNN实现字符级的生成任务
数据处理 传送门：官方教程 数据从上面下载。本次的任务用到的数据和第一次一样，还是18个不同国家的不同名字。 但这次需要根据这些数据训练一个模型，给定国家和名字的首字母时，模型可以自动生成名字。 首先还是对数据进行预处理，和第一个任务一样，利用Unicode将不同国家的名字采用相同的编码方式，因为要生成名字，所以需要加上一个终止符，具体作用后面会提到。 …
-
『PyTorch』屌丝的PyTorch玩法
1. prefetch_generator 使用 prefetch_generator库 在后台加载下一batch的数据，原本PyTorch默认的DataLoader会创建一些worker线程来预读取新的数据，但是除非这些线程的数据全部都被清空，这些线程才会读下一批数据。使用prefetch_generator，我们可以保证线程不会等待，每个线程都总有至少一…
-
PyTorch安装及试用 基于Anaconda3
设置Torch国内镜像 conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 安装PyTorch和TorchVision conda install pytorch torchvision 测试pytorch版本 impor…
-
基于pytorch框架的图像分类实践(CIFAR-10数据集)
在学习pytorch的过程中我找到了关于图像分类的很浅显的一个教程上一次做的是pytorch的手写数字图片识别是灰度图片，这次是彩色图片的分类，觉得对于像我这样的刚刚开始入门pytorch的小白来说很有意义，今天写篇关于这个图像分类的博客. 收获的知识 1.torchvison 在深度学习中数据加载及预处理是非常复杂繁琐的，但PyTorch提供了一些可极大简…
-
LSTM 的使用（Pytorch）
LSTM 参数 input_size:输入维数 hidden_size:输出维数 num_layers:LSTM层数，默认是1 bias:True 或者 False，决定是否使用bias, False则b_h=0. 默认为True batch_first:True 或者 False，因为nn.lstm()接受的数据输入是(序列长度，batch，输入维数)，这…
-
训练一个图像分类器demo in PyTorch【学习笔记】
【学习源】Tutorials > Deep Learning with PyTorch: A 60 Minute Blitz > Training a Classifier 本文相当于对上面链接教程中自认为有用部分进行的截取、翻译和再注释。便于日后复习、修正和补充。 边写边查资料的过程中猛然发现这居然有中文文档……不过中文文档也是志愿者翻译的，…
