1. 程序的组成架构 前面提到过，程序主要包含以下功能：模型定义 数据加载 训练模型 训练过程可视化 测试2.关于__init__.py可以看到，几乎每个文件夹下都有`__init__.py`，一个目录如果包含了`__init__.py` 文件，那么它就变成了一个包（package）。`__init__.py`可以为空，也可以定义包的属性和方法，但其必须存在，其它程序才能...

PyTorch-Encoding官方文档对CGBN(cross gpu bn)实现 GPU捉襟见肘还想训练大批量模型？ 在一个或多个 GPU 上训练大批量模型： 梯度累积 充分利用多 GPU 机器：torch.nn.DataParallel 多 GPU 机器上的均衡负载 ： PyTorch-Encoding 的 PyTorch 包，包括两个模块：DataParallelModel 和...

2.1 指针强化强化1：指针是一种数据类型 1）指针变量也是一种变量，占有内存空间，用来保存内存地址测试指针变量占有内存空间大小。2）*p操作内存在指针声明时，*号表示所声明的变量为指针在指针使用时，*号表示操作指针所指向的内存空间中的值*p相当于通过地址(p变量的值)找到一块内存，然后操作内存 *p放在等号的左边赋值（给内存赋值，写内存） *p放在等号的右边...

一 、roc曲线roc曲线：接收者操作特征(receiveroperating characteristic),roc曲线上每个点反映着对同一信号刺激的感受性。横轴：负正类率(false postive rate FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Specificity) 纵轴：真正类率(true postive rate TPR)灵敏度，Sensitivity(正...

目录 1.数据加载2.数据预处理torchvision.transforms.Compose(transforms)torchvision.transforms.Scale(size, interpolation=2)torchvision.transforms.CenterCrop(size)torchvision.transforms.RandomCrop(size...

深度学习进行图像描述Image Inception：图像描述，从给定的图像直观地生成一段描述文字； 图像描述简介该工作起源于2014年百度研究院发表的Explain images with multimodal recurrent neural networks 将深度卷积神经网络和深度循环网络结合Show and tell: A neural image caption ge...

使用RNN写汉语诗数据库：GitHub上手机的50k左右的唐诗原文 唐诗数据库，保存格式是.json和sqlite数据库需要做的改动是：将繁体转换成简体；将所有的数据进行截断和补齐，以易于处理。提供了一个numpy的压缩包tang.npz，里面包含三个对象：data：（57580，125）的numpy数组 word2ix：每个字和它对应的序号，如“春”——>10...

对于解决方案有很清晰的架构图，那么对于我们的技术也要分清层次。1. 内存四区1.1 数据类型本质分析1.1.1 数据类型概念"类型”是对数据的抽象 类型相同的数据有相同的表示形式、存储格式以及相关的操作 程序中使用的所有数据都必定属于某一种数据类型从编译器的角度来考虑数据类型问题，才会发现它的本质。1.1.2 数据类型的本质 数据类型可理解为创建变量的模...

1.2 变量的本质分析1.2.1 变量的概念概念：既能读又能写的内存对象，称为变量；若一旦初始化后不能修改的对象则称为常量。变量定义形式： 类型标识符, 标识符, … , 标识符; int x;int wordCut, Radius, Height; double FlightTime, Mileage, Speed; int a;doub...

流程说明1、操作系统把物理硬盘代码load到内存2、操作系统把c代码分成四个区3、操作系统找到main函数入口执行建立正确程序运行内存布局图是学好C的关键1.3.1 栈区和堆区#include <stdlib.h>#include <string.h>#include <stdio.h>//堆char *getMem(...

cos_theta = torch.mm(embbedings, kernel_norm)计算两矩阵相乘结果 cos_theta = cos_theta.clamp(-1,1) 将input中的元素限制在[min,max]范围内并返回一个Tensor cos_theta_2 = torch.pow(cos_theta, 2)求幂 torch.abs(a):各项参数的绝对值 torch.add...