【人工智能全栈学习-知识图谱】零基础实践——动手学关系抽取

一拳Marx

于 2022-01-05 10:20:20 发布

阅读量1.1k

点赞数 1

分类专栏：知识图谱文章标签：知识图谱人工智能深度学习

本文链接：https://blog.csdn.net/liuyiming2019/article/details/122310627

版权

知识图谱专栏收录该内容

6 篇文章 2 订阅

订阅专栏

本篇博客介绍了人工智能全栈学习系列课程中的关系抽取，包括问题解析、相关课程推荐和CNN模型的基础设计。课程涵盖了从机器学习基础知识到情感分析、知识图谱的多个主题，代码部分展示了CNN模型的类设计，如Embedding、卷积、池化和全连接等，并提供了模型的加载与保存方法。

摘要由CSDN通过智能技术生成

一、问题

本章问题导读，如果面试前以下题目还有不会的建议看本篇文章

二、人工智能全栈学习系列课程

三、代码

CNN：可以抽象成Embeding和基础类

基础类设计讲解

Embbeding
Con：卷积
Pol：池化
Fc:全连接
两个点表示退到上级目录
在这里插入图片描述

from ..utils import ensure_dir

BasicModule.py:负责初始化，加载模型和保存模型，通用

import torch
import torch.nn as nn
import time
from ..utils import ensure_dir

class BasicModule(nn.Module):
    '''
    封装nn.module，提供save和load方法
    '''

    def __init__(self):
        super(BasicModule, self).__init__()
        self.model_name=str(type(self))

    '''
    加载指定路径的模型
    '''
    def load(self,path):
        self.load_state_dict(torch.load(path))

    '''保存模型'''
    def save(self,epoch=0,name=None):# 看不懂参数设置
        prefix='checkpoints/'
        ensure_dir(prefix)# 确保模型存在，在utils里存了该函数
        if name is None:
            name=prefix+self.model_name+"_"+f'epoch{epoch}_'
            name=time.strftime(name+"%m%d_%H_%M_%S.pth")# 保存时间
        else:
            name=prefix+name+'_'+self.model_name+"_"+f'epoch{epoch}_'
            name=time.strftime(name+"%m%d_%H_%M_%S.pth")

        torch.save(self.state_dict(),name)
        return name