PyTorch深度学习实践笔记#8 | 循环神经网络(高级篇)

最新推荐文章于 2024-07-18 12:50:32 发布
最新推荐文章于 2024-07-18 12:50:32 发布
阅读量342 收藏 1
点赞数 1
分类专栏： Pytorch学习笔记 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_49973750/article/details/117447172
版权

在这里插入图片描述

嗨，我是error。

我来记录PyTorch深度学习实践的笔记了，这会是这个系列的最后一篇文章。个人之前都是使用tensorflow进行深度学习实践，这是第一次学习Pytorch，若笔记有误欢迎提出纠正！课件采用自B站"刘二大人"老师的视频【传送门】

本节课的内容主要通过以下一个实例的讲解来讲述RNN一些更细节的部分。
实例的题目是要将输入一个名字，判断他是属于哪个国家的。
在这里插入图片描述
在日常生活中，我们也有这样的认识，根据一个人的姓名可以大致判断这个人的所属国籍。
相对于我们上一讲的n-n的RNN模型，我们这次只需要得到1个输出即可，即n-1，所以模型的结构也发生了改变。
在这里插入图片描述
在这里插入图片描述
代码部分通过time来记录每次训练的时间，通过acc_list的列表记录每次测试的准确率

最低0.47元/天 解锁文章
「已注销」
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
专栏目录
Pytorch深度学习实践 第十三讲 循环神经网络（高级篇）
m0_55519533的博客
07-24 1464
数据集：
PyTorch深度学习实践笔记#7 | 循环神经网络(基础篇)
z
05-30 296
PyTorch深度学习实践笔记#7 | 循环神经网络(基础篇) 嗨，我是error。 我来记录PyTorch深度学习实践的笔记了，这会是一个系列，后面会慢慢更新。个人之前都是使用tensorflow进行深度学习实践，这是第一次学习Pytorch，若笔记有误欢迎提出纠正！课件采用自B站"刘二大人"老师的视频【传送门】 其实本质上来讲RNN也是线性计算，只不过是线性计算的独特组合方式而已，通过巧妙的结构设计来获取传统线性计算不能获取的数据之间相关联信息的反馈。同时，基于参数共享的思想，使得RNN在拥有较复杂
《PyTorch深度学习实践》学习笔记：循环神经网络（高级篇）
lizhuangabby的博客
07-20 602
循环神经网络
pytorch深度学习实践-循环神经网络0113
weixin_49747347的博客
01-13 994
B站 刘二大人：循环神经网络（基础篇） 目录 1、RNN概念 2、numLayers含义 3、RNN使用 4、利用RNN Cell训练hello转换到ohlol 5、Embedding编码方式 1、RNN概念 RNN Cell是线性层。 隐层是RNN Cell里线性层矩阵w的行数。 使用RNN Cell: import torch batch_size = 1 # 批处理大小 seq_len = 3 # 序列...
PyTorch深度学习实践（十三）循环神经网络高级篇
想握住此生辽阔
10-24 1526
用RNN做一个分类器，现在有一个数据集，数据集里有人名和对应的国家，我们需要训练一个模型，输入一个新的名字，模型能预测出是基于哪种语言的（18种不同的语言，18分类）， 在自然语言处理中，通常先把词或字编程一个one-hot向量，one-hot向量维度高，而且过于稀疏，所以 一般来说呀先通过嵌入层（Embed）把one-hot向量转化成低维的稠密向量，然后经过RNN，隐层的输出不一定和最终要求的目标一致，所以要用一个线性层把输出映射成和我们的要求一致，我们的需求是输出名字所属的语言分类，我们对01-05这些
刘二大人《PyTorch深度学习实践》循环神经网络RNN高级篇
m0_66184663的博客
09-26 214
对于变长序列，按序列长度排序后（不排序没法用PackedSequence），通过PackedSequence只存非0的维度，同时记住每个序列的非0项的长度（提高储存密度，提高计算速度）,输入gru中。对于单向的循环神经网络，输出只考虑过去的信息（只有一个方向），而有些情景需要考虑未来的信息。最后输出tensor格式的seq_tensor、seq_lengths、countries。然后按序列长度从大到小排序，同时把countries列表也转成相应的从大到小格式。输入名字，输出名字对应的国家。
Pytorch深度学习实践第十二讲 循环神经网络（基础篇）
THE FUTURE's blog
11-09 1071
import torch input_size=4 hidden_size=4 batch_size=1 # 准备数据 idx2char=['e','h','l','o'] x_data=[1,0,2,2,3] # hello y_data=[3,1,2,3,2] # ohlol one_hot_lookup=[[1,0,0,0], [0,1,0,0], [0,0,1,0], [0,0,0,1]] #分别对应
PyTorch 深度学习实践-循环神经网络（高级篇）
最新发布
m0_52695557的博客
07-18 781
用ASCII表作为词典，长度为128，每一个值对应一个独热向量，比如77对应128维向量中第77个位置为1其他位置为0，但是对于embed层只要告诉它哪个是1就行，这些序列长短不一，需要padding到统一长度。它会将填充后的嵌入和实际序列长度作为输入，并返回一个打包后的序列，便于 RNN 处理。，判断句子是哪类（0-negative，1-somewhat negative，2-neutral，3-somewhat positive，4-positive）情感分析。在准确率最高点save模型。
pytorch动手深度学习的笔记[二]
01-07
循环神经网络 循环神经网络基于当前的输入与过去的输入序列，预测序列的下一个字符。它引入一个隐藏变量H，用Ht表示H在时间步t的值。Ht的计算基于Xt和Ht−1，可以认为Ht记录了到当前字符为止的序列信息，利用Ht对...
深度学习之千字pytorch笔记
06-08
但是卷积神经网络高级版和循环神经网络尚未做笔记，之后如果有空会更新把内容补充完整，不过时间不定哈，大家可以根据自己的需求值来看这个笔记或者自己也可以在此基础上添加笔记哈，完全开源，里面的代码（完整版的...
深度学习与PyTorch入门学习教程.txt打包整理.zip
03-05
在深度学习领域，卷积神经网络（CNN）和循环神经网络（RNN）是两个关键的网络结构，它们分别在图像处理和自然语言处理中发挥重要作用。PyTorch提供了一流的支持来构建和训练这些网络。 最后，深度学习不仅仅是理论...
PyTorch——深度神经网络的写作笔记
01-20
通过这种方式，我们可以构建复杂的模型结构，比如多层感知机（MLP）、卷积神经网络（CNN）或循环神经网络（RNN）。 除了`add_module()`，`nn.Module`还提供了一些其他重要的方法，如`forward()`，它是模型前向传播...
深度学习pytorch2.0教材学习笔记，以及自己的一点扩充
05-19
最后，day05_06.ipynb可能涉及循环神经网络（RNN）及其变种，如长短时记忆网络（LSTM），这些模型适用于序列数据，如文本或时间序列分析。作者可能会介绍RNN的递归结构以及LSTM如何解决梯度消失问题。同时，这部分...
如何理解矩阵的逆和转置？『吴恩达神经网络和深度学习补充资料Part3 DeepLearning-WEEK2』
z
02-01 1462
矩阵的转置 如果你已经写完了这周的编程作业，你会发现在神经网络中的Forward Propogation或者Backward Propogation都需要用到矩阵的转置，也许这个过程中你有许多疑问，什么时候要用转置？矩阵的转置究竟有什么意义？ 先了解下定义 嗯，可能你还是没有一个直观的感受，首先，矩阵的转置并不是物理上面的转，不是把A向左或者向右翻转90度，而是一种映射的转。 通俗点来讲，矩阵的转置就是将一个m x n的矩阵变成n x m维度的矩阵，那么“什么时候要用转置？”的问题就迎刃而解了。 在之前.
“用Kaggle API”下载比赛部分数据文件夹 | 总结与翻译外网相关资源
z
07-22 762
基本上翻遍了国内论坛都没有相关解决方法，但在外网找到了，故翻译一下并且结合自身感想写一篇文章帮助有类似问题的朋友，如果觉得不错，还请点个赞，谢啦！ 本次着重解决的问题是： 在远端Linux服务器上如何“使用 Kaggle API 下载”比赛中的部分文件夹数据 重点在于：文件夹，而不是其中的文件 我们知道如果本地要下载Kaggle比赛数据可以直接点击网页上的 Download All 进行下载 或者使用Kaggle API 直接远程下载到服务器上 如此大的数据，一般我们也不会选择在自己的电脑上面跑， .
如何零基础用tensorflow搭建基本的CNN框架 | 附训练断点续练、图像展示、参数保存模块
z
05-16 683
如何零基础用tensorflow搭建基本的CNN框架 | 附训练断点续练、图像展示、参数保存模块 嗨，我是error。 这次的笔记是关于tensorflow基本框架的搭建，零基础带你熟悉如何应用keras搭建自己的CNN模型，并训练自己的数据，实现深度学习。 代码主要参考来源自 【国家精品课程】北京大学人工智能实践-TensorFlow2.0 CIFAR10数据集介绍，并使用卷积神经网络训练图像分类模型 Keras的八股文构建方法 这篇文章主要是写给tensorflow零基础但深度学习对CNN结构有一定
深度学习论文阅读笔记 | MemNet&IAN情感分析论文EMNLP 2016
z
05-19 661
深度学习论文阅读笔记 | MemNet&IAN情感分析论文EMNLP 2016 嗨，我是error。 这又是我的一个新系列，主要记录我阅读过的一些论文的笔记，与大家一起分享讨论，不定期更新，若有错误欢迎随时指出。 泛读 首先说一下整一篇论文的结构，这篇论文作者从MemNet汲取灵感，应用在多情感分类问题上面，结合注意力模型和定位取得了不错的成绩，达到了当时的SOTA。 论文的核心我也已经在思维导图中标记出来了，主要是在注意力模型和定位上面。 Abstract We introduce a
Python的点乘*和相乘np.dot的区别？『吴恩达神经网络和深度学习补充资料Part2 DeepLearning-WEEK2』
z
01-23 480
首先我们要明白的一点是在Python中的乘法分为矩阵点乘和矩阵相乘，其实根据字面意思就能够知道两者的区别。首先我们看下在课程中吴教授用英文的解释 Recall that “np.dot(a,b)” performs a matrix multiplication on a and b, whereas “a*b” performs an element-wise multiplication. 矩阵点乘 首先看下英文的解释 In numpy the “*” operator indicates el.
PyTorch实现循环神经网络、LSTM和GRU：从基础到实践
循环神经网络（RNN）、长短期记忆网络（LSTM）和门控循环单元网络（GRU）都是 PyTorch 中重要的深度学习模型，能够学习序列数据的非线性特征，并且可以应用于自然语言处理、语音识别、图像识别等领域。
评论 5
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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