深度学习
文章平均质量分 92
松间沙路hba
智能优化算法,深度学习,强化学习,生产调度,智能制造
展开
-
深度学习pytorch基础入门教程(1小时)-神经网络
文章目录DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ神经网络定义网络损失函数反向传播更新权重DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ最近因为课题的需要,要利用pytorch实现pointer network,所以在这里对ytorch的基本语法做一个简答的教程,主要参考了《60分钟闪电战:使用pytorch进行深度学习》。本教程的目标如下:理解pytorch的张量(Tensor)库和顶层神经网络;训练一原创 2020-12-08 18:51:11 · 2444 阅读 · 0 评论 -
Understanding LSTM Networks(理解LSTM网络-colah‘s blog)
获取更多资讯,赶快关注上面的公众号吧!文章目录1. 循环神经网络2. 长期依赖问题3. LSTM 网络4. LSTM的核心思想5. 逐步看LSTM的工作原理6. LSTM的变体7. 结论最近阅读了Bello, Irwan等(2016)的论文《Neural Combinatorial Optimization with Reinforcement Learning》,这篇论文算是开启了基于RNN和强化学习(RL)求解组合优化问题的新篇章。作者的博士研究课题是使用RL求解车间生产调度问题(job sh.原创 2020-12-05 16:51:55 · 2975 阅读 · 0 评论 -
深度学习pytorch基础入门教程(1小时)-自动梯度
文章目录DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZAUTOGRAD:自动微分张量TensorsGradients梯度DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ最近因为课题的需要,要利用pytorch实现pointer network,所以在这里对ytorch的基本语法做一个简答的教程,主要参考了《60分钟闪电战:使用pytorch进行深度学习》。本教程的目标如下:理解pytorch的张量(Tensor)原创 2020-12-03 15:45:40 · 2583 阅读 · 0 评论 -
视觉注意力的循环神经网络模型(Recurrent Models of Visual Attention)
我们观察PPT的时候,面对整个场景,不会一下子处理全部场景信息,而会有选择地分配注意力,每次关注不同的区域,然后将信息整合来得到整个的视觉印象,进而指导后面的眼球运动。将感兴趣的东西放在视野中心,每次只处理视野中的部分,忽略视野外区域,这样做最大的好处是降低了任务的复杂度。 深度学习领域中,处理一张大图的时候,使用卷积神经网络的计算量随着图片像素的增加而线性增加。如果参考人的视觉,有选择地分配注意力,就能选择性地...转载 2020-12-02 22:31:07 · 3382 阅读 · 0 评论 -
深度学习pytorch基础入门教程(1小时)-张量、操作、转换
文章目录DEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ什么是pytorch开始张量Tensor操作OperationsNumPy BridgeTensor 转化为ArrayArray 转化为TensorCUDA TensorsDEEP LEARNING WITH PYTORCH: A 60 MINUTE BLITZ最近因为课题的需要,要利用pytorch实现pointer network,所以在这里对ytorch的基本语法做一个简答的教程,主要参考了《60分钟原创 2020-12-02 21:43:23 · 2782 阅读 · 0 评论