sinat_29950703的博客

Fashion-mnist经典的MNIST数据集包含了大量的手写数字。十几年来，来自机器学习、机器视觉、人工智能、深度学习领域的研究员们把这个数据集作为衡量算法的基准之一。你会在很多的会议，期刊的论文中发现这个数据集的身影。实际上，MNIST数据集已经成为算法作者的必测的数据集之一。有人曾调侃道：“如果一个算法在MNIST不work, 那么它就根本没法用；而如果它在MNIST上work, 它在其...

一.案例1:Kaggle上的图像分类（CIFAR-10)现在，我们将运用在前面几节中学到的知识来参加Kaggle竞赛，该竞赛解决了CIFAR-10图像分类问题。比赛网址是https://www.kaggle.com/c/cifar-10# 本节的网络需要较长的训练时间# 可以在Kaggle访问：# https://www.kaggle.com/boyuai/boyu-d2l-image-c...

一.目标检测基础1.目标检测和边界框%matplotlib inlinefrom PIL import Imageimport syssys.path.append('/home/kesci/input/')import d2lzh1981 as d2l# 展示用于目标检测的图d2l.set_figsize()img = Image.open('/home/kesci/inp...

一.批量归一化和残差网络1.批量归一化（BatchNormalization）对输入的标准化（浅层模型）处理后的任意一个特征在数据集中所有样本上的均值为0、标准差为1。标准化处理输入数据使各个特征的分布相近批量归一化（深度模型）利用小批量上的均值和标准差，不断调整神经网络中间输出，从而使整个神经网络在各层的中间输出的数值更稳定。① 对全连接层做批量归一化② 对卷积层做批量归⼀化...

一.机器翻译及相关技术机器翻译（MT）：将一段文本从一种语言自动翻译为另一种语言，用神经网络解决这个问题通常称为神经机器翻译（NMT）。 主要特征：输出是单词序列而不是单个单词。 输出序列的长度可能与源序列的长度不同。1.Encoder-Decoderencoder：输入到隐藏状态decoder：隐藏状态到输出class Encoder(nn.Module): def __in...

一、过拟合、欠拟合及其解决方案1.过拟合、欠拟合的概念训练误差和泛化误差在解释上述现象之前，我们需要区分 训练误差（training error）和 泛化误差（generalization error）。通俗来讲，前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，...

一.线性回归主要内容包括：1.线性回归的基本要素2.线性回归模型从零开始的实现3.线性回归模型使用pytorch的简洁实现1.线性回归的基本要素2.线性回归模型从零开始的实现import packages and modules%matplotlib inlineimport torchfrom IPython import displayfrom matplotlib i...

一.文本预处理文本是一类序列数据，一篇文章可以看作是字符或单词的序列，本节将介绍文本数据的常见预处理步骤，预处理通常包括四个步骤：1.读入文本2.分词3.建立字典，将每个词映射到一个唯一的索引（index）4.将文本从词的序列转换为索引的序列，方便输入模型1.读入文本`import collectionsimport redef read_time_machine():wit...