![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 97
zz的学习笔记本
这个作者很懒,什么都没留下…
展开
-
属性级情感分析
属性级情感分析是指在文本情感分析的基础上,进一步对文本中涉及的具体属性或方面进行情感分析。传统的文本情感分析通常只关注整体文本的情感极性(如正面、负面、中性),而属性级情感分析则致力于识别文本中针对特定属性或方面的情感倾向,从而更细粒度地理解用户对产品、服务或事件各个方面的态度和情感。属性抽取:首先需要从文本中提取出与具体属性相关的词语或短语,这些属性可以是产品的特定特征(如外观、性能、价格)、服务的某个方面(如客户服务、物流配送)、事件的具体方面等。情感分类。原创 2023-11-27 13:00:04 · 1692 阅读 · 0 评论 -
【深度学习】吴恩达课程笔记(五)——超参数调试、batch norm、Softmax 回归
Batch 归一化,从神经网络后层角度而言,前层不会左右移动的那么多,因为被均值和方差所限制,使后层的学习工作变得更容易些。Batch 归一化有轻微正则化效果softmax回归是logistic回归的一般形式,它做的不只是二分分类,也可以做多分分类区分四个种类(class),0-其他、1-猫、2-狗、3-鸡定义C为种类数,这里C=4,可以看到输出层有四个神经元,他们分别输出结果是0、1、2、3的概率,且总和为1 ,输出结果是一个4*1的向量。原创 2023-11-16 20:40:43 · 904 阅读 · 0 评论 -
【深度学习】pytorch——常用工具模块
笔记为自我总结整理的学习笔记,若有错误欢迎指出哟~原创 2023-11-13 13:51:19 · 575 阅读 · 0 评论 -
【深度学习】pytorch——神经网络工具箱nn
PyTorch神经网络工具箱nn是一个用于构建深度学习模型的核心模块。它提供了一组简单而灵活的API,可以轻松地定义、训练和评估各种类型的神经网络。nn模块中包含了许多预定义的模块和方法,如线性层、卷积层、循环神经网络、损失函数等,可以直接调用这些模块来构建深度学习模型。以下是nn模块的主要功能:定义神经网络模型:可以使用nn模块定义各种类型的神经网络。通过继承nn.Module类,可以创建一个自己的神经网络类,并在其中定义各个层的结构和参数。原创 2023-11-06 09:34:09 · 1275 阅读 · 0 评论 -
【深度学习】pytorch——Autograd
autograd是PyTorch中的自动微分引擎,它是PyTorch的核心组件之一。autograd提供了一种用于计算梯度的机制,使得神经网络的训练变得更加简洁和高效。在深度学习中,梯度是优化算法(如反向传播)的关键部分。通过计算输入变量相对于输出变量的梯度,可以确定如何更新模型的参数以最小化损失函数。autograd的工作原理是跟踪在张量上进行的所有操作,并构建一个有向无环图(DAG),称为计算图。这个计算图记录了张量之间的依赖关系,以及每个操作的梯度函数。当向前传播时,autograd。原创 2023-11-05 14:48:08 · 523 阅读 · 0 评论 -
【深度学习】pytorch——线性回归
线性回归是一种用于建立特征和目标变量之间线性关系的统计学习方法。它假设特征和目标变量之间存在一个线性的关系,并试图通过拟合最佳的线性函数来预测目标变量。yw0w1x1w2x2wnxnyw0w1x1w2x2wnxn其中,yyy是目标变量(或因变量),x1x2xnx1x2xn是特征变量(或自变量),w0w1w2wnw0w1w2wn。原创 2023-11-02 17:28:16 · 566 阅读 · 0 评论 -
【深度学习】pytorch——Tensor(张量)详解
Tensor,又名张量。它可以是一个数(标量)、一维数组(向量)、二维数组(矩阵)和更高维的数组(高阶数据)。Tensor和Numpy的ndarrays类似,但PyTorch的tensor支持GPU加速。官方文档。原创 2023-11-02 11:03:04 · 1031 阅读 · 0 评论 -
【深度学习】pytorch——实现CIFAR-10数据集的分类
CIFAR-10是一个常用的图像分类数据集,每张图片都是 3×32×32,3通道彩色图片,分辨率为 32×32。它包含了10个不同类别,每个类别有6000张图像,其中5000张用于训练,1000张用于测试。这10个类别分别为:飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。原创 2023-11-01 17:28:03 · 5840 阅读 · 3 评论 -
【深度学习】pytorch——快速入门
PyTorch是一个开源的机器学习框架,它提供了丰富的工具和库,用于构建和训练深度学习模型。原创 2023-10-31 23:54:01 · 1567 阅读 · 10 评论 -
【深度学习】吴恩达课程笔记(四)——优化算法
当涉及深度学习优化算法时,我们通常会面临一个目标:最小化一个损失函数。这个损失函数衡量了模型预测与实际值之间的差距。为了找到最佳的模型参数,我们需要使用优化算法来调整这些参数,以便最小化损失函数。梯度下降(Gradient Descent):通过计算成本函数相对于参数的梯度,并沿着梯度的反方向更新参数,以最小化成本函数。随机梯度下降(Stochastic Gradient Descent, SGD):与梯度下降类似,但是每次迭代中只使用一个样本来计算梯度,这在大型数据集上更有效。原创 2023-11-15 08:19:58 · 270 阅读 · 0 评论 -
【深度学习】吴恩达课程笔记(三)——参数VS超参数、深度学习的实践层面
超参数(Hyperparameters)是机器学习算法中的一种参数,它们用于控制模型训练过程的行为,而不是直接由数据决定。与模型的权重(即学习参数)不同,超参数通常在训练之前设定,并且需要手动调整。超参数的选择对模型的性能和训练效果有很大影响。不同的超参数组合可能导致不同的模型表现,因此选择合适的超参数非常重要。学习率(Learning Rate):控制模型在每次迭代中更新权重的步长大小。正则化参数(Regularization Parameter):用于控制模型的复杂度,防止过拟合。原创 2023-10-26 15:11:41 · 341 阅读 · 0 评论 -
【深度学习】吴恩达课程笔记(二)——浅层神经网络、深层神经网络
变量名变量含义l层数n[l]l 层的单元数。原创 2023-10-25 17:10:50 · 473 阅读 · 1 评论 -
【深度学习】吴恩达课程笔记(一)——深度学习概论、神经网络基础
人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)原创 2023-10-24 23:06:56 · 463 阅读 · 0 评论