文本和损失

本文深入探讨了PyTorch在文本处理方面的技术,包括预处理、序列化和模型训练。同时,详细介绍了损失函数在训练过程中的作用,如何选择合适的损失函数以优化模型性能,并通过实例展示了在自然语言处理任务中如何应用这些概念。
摘要由CSDN通过智能技术生成
import torch

output =  torch.tensor(
        [[[-2.4210, -2.8106, -1.0321]],
        [[-2.4162,  1.4910,  2.2420]],
        [[-0.9467, -3.4340,  1.5137]],
        [[-1.1759,  2.3805, -0.1223]],
        [[-0.6414, -3.3144,  4.2676]],
        [[-0.9885, 16.1116,  0.5920]]])
#2表示找第3维的最大值 (0表示找第1维的最大值 1表示找第2维的最大值 等等)
#keepdim = True 用[]扩起来 (keepdim = False 不用[]括起来)
predict0 = output.data.max(2, keepdim=True)[0]
predict1 = output.data.max(2, keepdim=True)[1
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值