- 博客(23)
- 收藏
- 关注
原创 【NLP练习】seq2seq
seq2seq(sequence to sequence)是一种常见的NLP模型架构,即:从一个文本序列得到一个新的文本序列。常用来处理:机器翻译任务,文本摘要任务。
2024-04-26 23:48:38 169
原创 【NLP练习】使用Word2Vec实现文本分类
定义训练与评估函数model.train() #切换为训练模式optimizer.zero_grad() #grad属性归零loss = criterion(predicted_label, label) #计算网络输出和真实值之间的差距,label为真loss.backward() #反向传播torch.nn.utils.clip_grad_norm_(model.parameters(),0.1) #梯度裁剪optimizer.step() #每一步自动更新#记录acc与loss。
2024-04-19 21:51:12 498
原创 【NLP练习】中文文本分类-Pytorch实现
定义训练与评估函数model.train() #切换为训练模式optimizer.zero_grad() #grad属性归零loss = criterion(predicted_label, label) #计算网络输出和真实值之间的差距,label为真loss.backward() #反向传播torch.nn.utils.clip_grad_norm_(model.parameters(),0.1) #梯度裁剪optimizer.step() #每一步自动更新#记录acc与loss。
2024-04-05 15:21:48 521 1
原创 【NLP练习】Pytorch文本分类入门
定义TextClassificationModel模型,首先对文本进行嵌入,然后对句子嵌入后的结果进行均值聚合self.embedding = nn.EmbeddingBag(vocab_size, #词典大小embed_dim, # 嵌入的维度#定义实例#定义训练函数与评估函数model.train() #切换为训练模式optimizer.zero_grad() #grad属性归零。
2024-03-31 15:20:51 685 2
原创 【NLP学习记录】Embedding和EmbeddingBag
在Pytorch中,Embedding的输入是一个整数张量,每个整数都代表着一个词汇的索引,输出是一个浮点型的张量,每个浮点数都代表着对应词汇的词嵌入向量。在Pytorch中,EmbeddingBag的输入是一个整数张量和一个偏移量张量,每个整数都代表着一个词汇的索引,偏移量则表示句子中每个词汇的位置,输出是一个浮点型的张量。主要优化点在于:它可以直接处理不定长的句子,并可计算句子中所有词汇的词嵌入向量的均值或总和。EmbeddingBag层中的mode参数用于指定如何对每个序列中的嵌入向量进行汇总。
2024-03-22 22:06:47 690 1
原创 【NLP学习记录】One-Hot编码
one-hot编码的基本思想是将每个类别映射到一个向量,其中只有一个元素的值为1,其余元素的值为0。这样,每个类别之间相互独立,不存在顺序或距离关系。在深度学习中,神经网络的输入层通常使用one-hot编码来表示分类变量。这种编码方式可避免不必要的关系假设,还能清晰的输入表示,有助于模型的学习和泛化。
2024-03-15 21:54:56 348 1
原创 【深度学习记录】猴痘病识别
测试函数和训练函数大致相同,但是由于不进行梯度下降对网络权重进行更新,所以不需要传入优化器。对数据维度进行扩充。给指定位置加上维数为一的维度。对数据的维度进行压缩,去掉维数为1的的维度。
2024-03-08 00:25:58 374 1
原创 【深度学习练习记录】天气识别
大家注意一下在卷积层和全连接层之间,我们可以使用之前是torch.flatten()也可以使用我下面的x.view()亦或是torch.nn.Flatten()。torch.nn.Flatten()与TensorFlow中的Flatten()层类似,前两者则仅仅是一种数据集拉伸操作(将二维数据拉伸为一维),torch.flatten()方法不会改变x本身,而是返回一个新的张量。在model(test)之前,需要加上model.eval(),否则的话,有输入数据,即使不训练,它也会改变权值。
2024-02-29 22:38:10 853
转载 C++中vector用法总结
vector是一个能够存放任意类型的动态数组。1.构造函数vector v;创建一个空vectorvector v(int n);创建一个元素个数为n的vector,初始值为0vector v(int n,const t& t);创建一个元素个数为n,且值均为t的vectorvector v(const vector&);复制构造函数vector v(begin,end);复制[begin,end)区间内另一个数组的元素到vector中int a[3]={1,2,3} vect
2021-06-18 21:48:59 560
转载 支持向量机SVM的matlab程序
原文链接https://blog.csdn.net/lyxleft/article/details/82880860
2020-12-26 11:25:26 468
转载 matlab创建三维数组的三种方法
在Matlab中习惯性的会将二维数组中的第一维称为“行”第二维称为“列”,而对于三维数组的第三位则是习惯性的称为“页”。在Matlab中将三维及三维以上的数组统称为高维数组,三维数组也是高级运算的基础,本文将介绍三种创建三维数组的方法。(注:本文为实例操作步骤,一些代码并没做过多介绍)使用下标创建三维数组1在Matlab命令框中输入以下代码可以创建简单的三维数组:for i=1:2for j=1:2for k=1:2A(i,j,k)=i+j+k;endendend2要查看程序结果。在
2020-12-16 20:13:49 11071
转载 matlab读取多张图片数据
方法一:I=cell(1,99); %这个好像是创99个房间用来一个放图片信息for b=1:99m1=imread([‘D:’,int2str(b),’.bmp’]); %m1是一个公共变量会不停的被下一张图片信息覆盖最后是最后一张图片的信息I{b}=m1; %I{1}。。。I{99}就是每一张图片的信息end%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%就是读取’D:‘下的文件名为1.bmp到99.bmp的文件
2020-12-09 15:27:44 2888
转载 FFT频率和实际物理频率的分析
FFT是快速傅里叶变换,是离散傅里叶变换的快速算法。我们想要利用FFT计算频率或者观察频谱特性,离不开DFT的定义和性质。先简单介绍三个名词。f 是实际物理频率,表示AD采集物理模拟信号的频率,Fs就是采样频率,根据奈奎斯特采样定理可以知道,Fs必须≥信号最高频率的2倍才能避免产生频谱混叠,也就是说用Fs做采样频率,信号的最高频率为Fs/2。Ω称为模拟频率。ω称为数字频率。二者的关系ω = Ω/Fs。假设x(n)的N点离散傅立叶变换为X(k),由定义式可以推出X(k)为x(n)的傅里叶变换X(ejw
2020-10-23 15:19:54 2567
原创 Chirp信号基础知识及matlab实现
Chirp信号的表达式如下:x(t)=exp(j2π(f0t+12kt2))x(t)=exp(j2\pi (f_0t+\frac{1}{2} kt^2))x(t)=exp(j2π(f0t+21kt2))其中,f0f_0f0 称作起始频率,k为调频率对相位进行求导,得到角频率以及频率随时间的线性变化关系 f = f0+k*t,也可通过欧拉公式转换得到。给定信号信号时间长度为50ms 带宽 B=5KHz,初始频率f0=3KHzf_0=3KHzf0=3KHz 采样频率为 fsf_sfs =
2020-10-22 19:33:12 21783 5
转载 FrFT在信号处理领域的研究进展
分数阶 Fourier 变换是对经典 Fourier 变换的推广. 最早由 Namias 以数学形式提出, 并很快在光学领域得到了广泛应用。分数阶 Fourier 变换直观上可看作是 chirp 基分解, 而实质上分数阶 Fourier 变换更具有时频旋转的特性, 它是一种统一的时频变换, 随着变换阶数从 0 连续增长到 1 而展示出信号从时域逐步变化到频域的所有特征。****傅里叶变换缺陷:是一种全局变换,得到的是信号的整体频谱,无法表达信号的时频局部特性,无法更好的解决非平稳信号解决措施提出一
2020-10-16 12:43:36 1632
转载 采样定理
转载地址:https://blog.csdn.net/yanchuan23/article/details/85263565感谢博主!1、奈奎斯特采样如果信号的最高频率是 fHf_HfH,为了使抽样所得的离散值不丢失原信号的信息,那么至少以2fH2f_H2fH的速率进行抽样。即当采样率 fs≤2fHf_s\leq 2f_Hfs≤2fH,得到的离散信号 xnx_nxn 就可以完全恢复原模拟信号 xtx_txt 。2、带通采样对于某些信号的带宽只占可用频段的很小一部分,相比于上限频率或下
2020-10-15 20:37:50 293
转载 分数阶傅立叶变换程序汇总(转载)
转载链接http://forum.vibunion.com/forum.php?mod=viewthread&action=printable&tid=41561声振论坛标题: 分数阶傅立叶变换程序汇总(个人收集自网上) [打印本页]作者: simon21 时间: 2007-4-26 19:46标题: 分数阶傅立叶变换程序汇总(个人收集自网上)都是从网上收集来的,由于时间比较久,处处都忘记了,如果是谁的原创请和我联系,我在帖子中标出来的第二楼:the fast fracti
2020-09-09 20:23:37 1691
转载 分数阶傅里叶变换(FRFT)之数值计算入门概要(转载)
原文链接https://blog.csdn.net/qq_31436943/article/details/80395937?utm_medium=distribute.pc_relevant_download.none-task-blog-baidujs-4.nonecase&depth_1-utm_source=distribute.pc_relevant_download.none-task-blog-baidujs-4.nonecase
2020-09-07 20:36:26 968
转载 数据挖掘之分类指标:召回率 、精确度、准确率、虚警率和漏警率(转载)
**数据挖掘之分类指标:召回率 、精确度、准确率、虚警率和漏警率**转载自https://snv.iteye.com/blog/2113945场景如下:假设原样本有两类,True和False,其中:1.总共有T个类别为True的样本;2.总共有F个类别为False的样本;分类预测后:1.总共有TT个类别为True的样本被系统判为True,FT个类别为True的样本被系统判为False,则TT+FT=T2.总共有FF个类别为False的样本被系统判为False,TF个类别为False的样本
2020-09-05 10:12:07 1289
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人