![](https://img-blog.csdnimg.cn/e153b14135db4427ab0bc19b35885f45.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
深度学习 PyTorch nlp
槑!
这个作者很懒,什么都没留下…
展开
-
语音识别攻击总结
语音识别对抗样本攻击总结原创 2022-03-02 16:21:22 · 2194 阅读 · 0 评论 -
《PyTorch深度学习实践》循环神经网络提升篇
课程请见 《PyTorch深度学习实践》值得注意的是数据的处理部分以及维度的考虑。# PyTorchimport torchfrom torch.nn.utils.rnn import pack_padded_sequencefrom torch.utils import datafrom torch import nnfrom torch import optim# Data processimport csv# For plottingimport matplotlib.pypl原创 2021-12-22 20:19:25 · 1093 阅读 · 0 评论 -
《PyTorch深度学习实践》循环神经网络基础篇
课程请见 《PyTorch深度学习实践》值得注意的是使用RNNCell进行迭代和直接使用RNN的区别。RNNCell需要接受每一轮的hidden并且传给下一轮,RNN自己做了这件事RNNCell label 的维度是 (SeqLeninputSizebatchSize, 1) ,RNN的维度是(seqLen*batchSize, 1)训练时RNNCell 需要迭代SeqLen次,每次out (hiddenSize)维 RNN直接输入全部Input(SeqLen, batchSize, input原创 2021-12-20 20:27:07 · 873 阅读 · 0 评论 -
《PyTorch深度学习实践》卷积神经网络提升篇
课程请见 《PyTorch深度学习实践》# PyTorch# PyTorchimport torchfrom torchvision import datasetsfrom torchvision import transformsfrom torch.utils import datafrom torch import optimfrom torch import nn# For plottingimport matplotlib.pyplot as pltimport os原创 2021-12-20 15:20:44 · 1039 阅读 · 0 评论 -
《PyTorch深度学习实践》卷积神经网络基本篇
课程请见 《PyTorch深度学习实践》值得注意的是一个小细节,nn.ReLU的使用,初始()是实例化一个类,再次()才是call了ReLu的forward函数。和torch.sigmoid还是不一样的。# PyTorchimport torchfrom torch.utils import datafrom torch import nnfrom torchvision import datasetsfrom torchvision import transformsfrom torch原创 2021-12-18 16:17:02 · 657 阅读 · 0 评论 -
《PyTorch深度学习实践》多分类问题
课程请见 《PyTorch深度学习实践》# PyTorchimport torchfrom torch import nnfrom torch.utils import datafrom torchvision import datasetsfrom torchvision import transformsfrom torch import optim# For plottingimport matplotlib.pyplot as pltimport osos.environ原创 2021-12-18 12:51:50 · 344 阅读 · 0 评论 -
《PyTorch深度学习实践》处理多维特征输入
课程请见 《PyTorch深度学习实践》数据集见链接:https://pan.baidu.com/s/1koPyBGQ7ORaH1OHGH9IO8Q提取码:jph5# PyTorchimport torchfrom torch import nnfrom torch import optim# NumPyimport numpy as nptrain_set = np.loadtxt('../data/diabetes.csv', delimiter=',', dtype=np.flo原创 2021-12-17 15:32:18 · 568 阅读 · 0 评论 -
《PyTorch深度学习实践》logistic回归
课程请见 《PyTorch深度学习实践》# PyTorchimport torchfrom torch import nnfrom torch import optim# For plottingimport matplotlib.pyplot as plt# osimport osos.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"x_data = torch.Tensor([1., 2., 3.]).reshape(-1, 1)y_data原创 2021-12-17 14:13:41 · 517 阅读 · 3 评论 -
《PyTorch深度学习实践》线性回归
课程请见 《PyTorch深度学习实践》# PyTorchimport torchfrom torch import nnfrom torch import optimfrom torch.utils import dataclass LinearNet(nn.Module): def __init__(self, input_dim, output_dim=1): super(LinearNet, self).__init__() self.lin原创 2021-12-17 10:38:37 · 294 阅读 · 0 评论 -
《PyTorch深度学习实践》梯度下降法
课程请见 《PyTorch深度学习实践》用numpy适配了一下,均改成了numpy.ndarray类型# Numpyimport numpy# For plottingimport matplotlib.pyplot as pltfrom matplotlib.pyplot import figuredef forward(w, x): return x * wdef cost(x_cor, y_cor, w): y_hat = forward(w, x_cor)原创 2021-12-16 20:42:36 · 1174 阅读 · 2 评论 -
《PyTorch深度学习实践》线性模型 作业
课程请见《PyTorch深度学习实践》作业一# Numpyimport numpy# For plottingimport matplotlib.pyplot as pltfrom matplotlib import cmfrom mpl_toolkits.mplot3d import Axes3Dx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]def forward(w: numpy.ndarray, b: numpy.ndarra原创 2021-12-16 20:10:43 · 4463 阅读 · 12 评论