深度学习
文章平均质量分 50
补充知识
Marshal~
这个作者很懒,什么都没留下…
展开
-
【pytorch】tensor和Tenso区别
1.Tensor的使用torch.Tensor可以直接接受传入的维度,建立相应维度的tensor,并且是初始化默认值类型的tensor,这里的默认值也是可以改的。#证明,torch.Tensor可以直接接受传入的维度,建立相应维度的tensor#并且是初始化默认值类型的tensor,这里的默认值也是可以改的 x = torch.Tensor(5,3) print(x.dtype) t.set_default_dtype(torch.float64) print(x.d原创 2022-03-30 16:00:55 · 1415 阅读 · 0 评论 -
【PyTorch】tensor的连续性
1.连续的概念1、contiguous连续的两种方法Tensor底层一维数组元素的存储顺序与Tensor按行优先一维展开的元素顺序是否一致Tensor多维数组底层实现是使用一块连续内存的1维数组(行优先顺序存储,下文描述),Tensor在元信息里保存了多维数组的形状,在访问元素时,通过多维度索引转化成1维数组相对于数组起始位置的偏移量即可找到对应的数据。如果想要变得连续使用contiguous方法,如果Tensor不是连续的,则会重新开辟一块内存空间保证数据是在内存中是连续的,如果Tensor是连续转载 2022-03-29 16:59:46 · 1142 阅读 · 0 评论 -
深度学习要会写的代码集合
在本文中,我们提出了一个新的多模态动态融合网络(MM-DFN),通过充分理解多模态对话环境来识别情绪。具体来说,我们设计了一个新的基于图的动态融合模块来融合对话中的多模态背景特征。该模块通过捕捉不同语义空间中语境信息的动态变化,减少了冗余并增强了模式间的互补性。我们用门控机制改进了图卷积层[17],并设计了一个新的基于图的动态融合(GDF)模块来融合多模态语境信息。该模块利用图卷积操作将模式间和模式内的情境信息聚合到每一层的特定语义空间中。同时,门控机制被用来学习相邻语义空间中情境信息的内在顺序模式。G原创 2022-03-25 20:08:55 · 1075 阅读 · 0 评论 -
对抗训练FGM等
如何进行数据增强:https://blog.csdn.net/weixin_42001089/article/details/115458615FGSMclass FGM(object): def __init__(self, model, emb_name, epsilon=1.0): # emb_name这个参数要换成你模型中embedding的参数名 self.model = model self.epsilon = epsilon原创 2022-03-19 22:17:07 · 918 阅读 · 0 评论 -
__init__和__forward__;torch.backward();随机种子
https://blog.csdn.net/u012436149/article/details/692301361.__init__和__forward__函数的作用2.__call__函数的作用https://www.cnblogs.com/xinglejun/p/10129823.html3.hook机制https://blog.csdn.net/u012436149/article/details/692301364.torch.backward()问题来源:这里的v没有计算公式,传原创 2022-03-16 22:42:20 · 815 阅读 · 0 评论 -
查看模型的内部信息
1.如何查看模型的各个层次print(model)#实例化后的2.打印模型的参数缺点:是可以看见一堆的参数,但是你不知道他是谁的参数,很乱。print("-------------------------------------------------") print("model的bert的属性") for parameter in model.parameters(): print(parameter) print("------------原创 2022-03-16 18:13:12 · 1823 阅读 · 0 评论