- 博客(25)
- 收藏
- 关注
RSS订阅原创 bert模型分析--以酒店评论情感分类项目为例（代码详细解析）
bert是transformer架构的encoder编码器部分，深度双向预训练模型，通过MLM，NSP等方法预训练bert模型参数，通用语言能力。然后通过“预训练+微调”来解决自然语言处理的特征提取问题。今天我们来拆解一个简单的bert模型，重点分析从数据到模型到训练到调用分类的流程。分为三大组成部分，分别是是embedding层，transformer的encoder层以及池化输出层。初始化预训练bert模型，包括分类头，分词器。预处理文本数据，将其转换为可以输入给pytorch的张量数据。
2026-03-03 15:20:21
872
原创 深度学习之图像分类实战（食物分类）
本文介绍了基于PyTorch的深度学习图像分类实战项目，主要内容包括：1）通过固定随机种子确保实验可复现；2）图像预处理流程（数据增强与格式转换）；3）自定义数据集类的实现，完成数据加载与预处理；4）构建简单CNN模型，包含卷积层、批量归一化和池化层。项目完整展示了图像分类任务的标准流程，适合深度学习初学者理解基本原理和实践方法。
2026-01-27 15:57:52
740
原创 机器学习之线性回归简单案例（代码逐句解释）
本文介绍了一个简单的线性回归机器学习案例，展示了模型训练的基本流程。首先通过create_data()函数生成带有噪声的模拟数据，然后使用data_provider()函数实现数据分批和随机采样。核心部分构建了预测模型fun()、损失函数maeLoss()和随机梯度下降优化器sgd()。在50轮训练中，模型不断调整参数w和b，使预测值逐渐接近真实值。最终结果显示训练参数与真实参数接近，验证了模型的有效性。该案例完整呈现了数据准备、模型训练和参数优化的机器学习流程，适合初学者理解基本原理。
2026-01-20 20:47:00
798
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人