- 博客(152)
- 资源 (5)
- 收藏
- 关注
原创 机器学习Python实践
第一部分初初始1 初识机器学习2 Python机器学习的生态圈import scipyimport numpyimport matplotlibimport pandasimport sklearnprint('scipy:{}'.format(scipy.__version__))print('numpy:{}'.format(numpy.__version__))print('matplotlib:{}'.format(matplotlib.__version__))print(
2024-04-11 15:18:37 401
翻译 从零开始NLP: 使用字符级 RNN 对名称进行分类
and我们将构建并训练一个基本的字符级循环神经网络(RNN)来对单词进行分类。本教程与其他两个 "从零开始 "的自然语言处理(NLP)教程和展示了如何预处理数据以建立 NLP 模型。特别是,这些教程没有使用 torchtext 的许多便利功能,因此您可以看到如何在较低水平上进行预处理以建立 NLP 模型。字符级 RNN 将单词读作一系列字符,每一步都会输出预测结果和 “隐藏状态”,并将上一步的隐藏状态输入下一步。我们将最终预测作为输出,即单词属于哪一类。
2024-04-07 08:52:48 7
翻译 利用更好的Transformer进行快速转换推理
nn.moduleclasses, and本教程介绍 PyTorch 1.12 版本中的 Better Transformer (BT)。在本教程中,我们将展示如何使用 Better Transformer 与 torchtext 一起进行生产推理。Better Transformer 是一种生产就绪的快速路径,可加速 Transformer 模型的部署,并在 CPU 和 GPU 上实现高性能。对于直接基于 PyTorch 核心nn.module。
2024-04-07 08:50:47 14
翻译 使用 TensorBoard 可视化模型、数据和训练
In thenn.Module在中,我们将向您展示如何加载数据、将数据输入我们定义为nn.Module子类的模型、在训练数据上训练该模型以及在测试数据上测试该模型。为了了解发生了什么,我们会在模型训练时打印出一些统计数据,以了解训练是否正在进行。不过,我们可以做得更好:PyTorch 与 TensorBoard 集成,TensorBoard 是一款用于可视化神经网络训练结果的工具。本教程使用数据集说明了它的部分功能,可以使用 torchvision.datasets 将该数据集读入 PyTorch。
2024-04-07 08:48:38 15
翻译 使用 PyTorch 进行深度学习:60 分钟速成
Deep Learning with PyTorch: A 60 Minute BlitzAuthor: Soumith ChintalaWhat is PyTorch?PyTorch is a Python-based scientific computing package serving two broad purposes:A replacement for NumPy to use the power of GPUs and other accelerators.An automati
2024-04-07 08:44:06 6
翻译 PyTorch 快速入门
大多数机器学习工作流涉及处理数据、创建模型、优化模型参数和保存训练好的模型。本教程将向您介绍用 PyTorch 实现的完整 ML 工作流,并提供链接以了解有关这些概念的更多信息。我们将使用 FashionMNIST 数据集来训练一个神经网络,以预测输入图像是否属于以下类别之一:T 恤/上衣、裤子、套头衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包或踝靴。本教程假定您已基本熟悉 Python 和深度学习概念。
2024-04-04 16:39:35 68
原创 Pandas学习笔记
围绕Pandas Cheet Sheet,增加相应的样例代码,从而在不丢失简明的基础上,逐步深入,从而能快速掌握Pandas
2024-03-31 13:50:49 946
人件集:人性化的软件开发
2018-05-28
禅与摩托车维修艺术
2018-05-28
深入浅出面向对象分析与设计
2018-01-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人