- 博客(5)
- 收藏
- 关注
RSS订阅原创 深度学习第四站——基于bert实现酒店评论情感分析
class MyModel(nn.Module): # 创建模型self.tokenizer = BertTokenizer.from_pretrained(bert_path) # 分词器self.cls_head = nn.Linear(768, num_class) # 分类头微调至n类def forward(self, text): # "pt"返回pytorch张量。
2024-01-31 23:48:04
1276
原创 深度学习第三站——图片分类任务（扩展半监督学习）
半监督学习流程：先由“有标签数据集”训练模型，使模型达到一个较好的分类准确率（0.6），接着让模型对无标签的数据进行分类，对分类的结果中，让置信度高于0.99的部分作为有标签的数据集，加入到对模型的训练中。本semiDataset类主要实现：传入无标签数据，对其进行分类，再由所设定置信度为门槛，决定对哪些数据进打上标签，最后返回两个列表，即X和对应的标签Y。本get_semi_loader函数，当半监督训练集非空的时候，创建并返回一个数据提供器semi_loader（一次提供16份数据，不进行打乱）
2024-01-27 17:17:37
492
2
原创 深度学习第三站——图片分类任务
扩大步长：正常卷积一次移动一格，扩大步长可以让卷积计算时扩大每次移动的格子数，使特征图与感受野比对后变小，达到缩小特征图的目的。I:input（输入特征图的维度） K:卷积核大小（维度） P:padding S:stride（步长）自适应池化Adaptive Pooling：设置输出的大小，交给pytorch。池化（pooling）：划分为多个区域，每个区域用一个数值表示（最大值，平均值）卷积尺寸计算公式：O = (I-K+2P)/S+1。8.Dropout：丢弃某些神经元，缓解过拟合。
2024-01-25 11:38:51
1004
原创 深度学习第二站——新冠预测
S1：每一轮训练，取“训练集”中的X和Y,将X依次送入模型算出预测值pred，用pred和Y计算出train_loss，梯度回传，取“局部测试集”的X和Y，将X依次送入模型算出预测值pred，用pred和Y计算出val_loss，保存最优模型。__init__，用于将数据从csv文件中读入，并设定train（训练），val(局部测试），test（测试）三个模式，并分割样本数据为训练集和局部测试集，方便后续验证模型准确性。4、evaluate类，用test数据集，用训练出的最佳模型计算预测值。
2024-01-19 09:33:43
971
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