- 博客(14)
- 收藏
- 关注
RSS订阅原创 Pytorch深度学习实践第十三讲 循环神经网络（高级篇）
和上面网络稍有不同的是改成了下面的双向传播网络，由于是封装函数，直接在参数上设置bidirectional=2即可。和老师的计时方法不同，老师的代码每训练一轮都要输出时间，我改成了运行结束直接输出时间，另外老师在训练过程中设置的输出太多，我把输出也简化了。上面这行代码能加快神经网络的运算，就是处理输入的代码量比较大，视频中对处理方式有介绍，另外我在代码里也写了很多注释。利用pytorch封装的GRU网络，要训练的是人名和国家对应的数据集，输入是人名，判断人名所属的国家。B站 刘二大人 传送门。
2024-05-21 18:23:05
397
1
原创 Pytorch深度学习实践第十三讲 循环神经网络（高级篇）
B站 刘二大人 传送门 循环神经网络（高级篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4这一节代码较多，思路也比前面复杂一些，先把思路滤清再放代码。代码中有大量注释，视频看得很明白的同学可以直接看代码。还是那句话，搭配视频学习效果最佳。利用pytorch封装的GRU网络，要训练的是人名和国家对应的数据集，输入是人名，判断人名所属的国家。先看数据集人名字符长短不一，最长的10个字符，所以处理成10维输入张量，都是英文
2021-04-02 15:29:46
1531
7
原创 Pytorch深度学习实践第十二讲 RNN 课后2（GRU）
B站 刘二大人 传送门 循环神经网络（基础篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4模型还是将输入“hello”训练输出为“ohlol”，用GRU网络实现。按照计算图实现GRU之后，像前面一样又尝试了加入embedding的方法，效果略有改进。GRU的网络结构示意图和公式：下面的公式和上面一样，就是写法不同。首先看公式有6个线性层，之后又进行了非线性运算，所以模型定义了6个linear。输入是4维向量（h、
2021-04-01 09:18:36
645
2
原创 Pytorch深度学习实践第十二讲 RNN 课后1（LSTM）
B站 刘二大人 传送门 循环神经网络（基础篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4模型还是将输入“hello”训练输出为“ohlol”，用LSTM网络实现。按照计算图实现LSTM之后，又尝试了加入embedding的方法。加embedding的训练快，但是我的LSTM效果不如前面RNN的，不知道是我网络写的有问题还是怎么回事。LSTM的网络结构示意图和公式：根据我自己的理解写出来的LSTM模型，有不对的地方
2021-03-31 17:32:22
940
2
原创 Pytorch深度学习实践第十二讲 循环神经网络（基础篇）
B站 刘二大人 传送门 循环神经网络（基础篇）课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取码：cxe4本节模型为将输入“hello”训练输出为“ohlol”，用循环神经网络实现。本节老师讲了cell，rnn和embedding三种简单模型，为方便测试，我给每个模型分别定义了函数。下面上开始的数据处理思路图和代码。搭配视频学习效果最佳。首先是注释内容和数据集准备代码块。'''训练RNN模型使得 "hello" -> "o
2021-03-31 09:49:47
1678
7
原创 Pytorch深度学习实践第十一讲 卷积神经网络（高级篇）（2）
B站 刘二大人 传送门 卷积神经网络（高级篇） 课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw 提取码：cxe4 本节把从简单的卷及网络变成了稍微复杂一些的Inception卷积网络和残差网络，这里分两节，本节给出残差网络代码。残差块和本文网络结构如下图，具体请参考传送门课程和网盘课件。 残差块主要是在传播过程中将卷积结果和原本的输入相加后计算梯度，这样可以有效避免梯度消失的情况。 用GPU运行不到3分钟，用CPU整个过程也在1
2021-03-30 10:04:56
462
原创 Pytorch深度学习实践第十一讲 卷积神经网络（高级篇）（1）
B站 刘二大人 传送门 卷积神经网络（高级篇） 课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw 提取码：cxe4 本节把从简单的卷及网络变成了稍微复杂一些的Inception卷积网络和残差网络，这里分两节本节给出Inception网络代码。网络结构如下图，具体请参考传送门课程和网盘课件。 用GPU运行2分半就完事了，用CPU整个过程也在10分钟内完成。只有4行GPU代码，文中有注释，不能用GPU的话把那四句代码注释掉就可以了。下面是运
2021-03-30 09:49:36
527
原创 Pytorch深度学习实践第十讲 卷积神经网络（基础篇）
B站 刘二大人 传送门 卷积神经网络（基础篇） 课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw 提取码：cxe4 本节把网络换成了简单的卷积神经网络，对于初学者搭建简单卷积网络还是挺有帮助的，另外加入了GPU的使用，其实很简单，两三句话把数据加载到GPU上就行，不过要先安装符合电脑版本的cuda才可以运行。具体看老师课程，这里主要放代码。 用GPU运行2分半就完事了，用CPU整个过程也在10分钟内完成。下面是运行输出和绘制的曲线图。
2021-03-30 09:17:36
615
3
原创 Pytorch深度学习实践第九讲 多分类问题
B站 刘二大人 传送门 多分类问题 本节使用的数据集是mnist数据集，可根据代码下载，也可自行下载，我开始运行代码下载总是中断，应该是网络问题，看有些同学下了几十次才成功，我试了几次不行就自己百度下载了。只是要用datasets函数处理的话要放到相应目录上。这里放MNIST数据集介绍及读取，文中是用TensorFlow写的，如果想用Pytorch简单可以简单看一下数据介绍。 上面是mnist数据集截图，手写数字图像的分类数据。每张图片大小都是28*28，本节采用的方法是把像素点平铺成一维，
2021-03-30 08:55:02
445
原创 Pytorch深度学习实践第八讲课后习题 训练titanic数据集
本节没有课程传送门，算是博主根据老师讲的内容做的作业。数据集传送门 Titanic dataset 这里对数据集进行了一些处理，首先第一行不能是属性名而非特征，不能使用所以在第一个表格前加了'#'，另外有一些无用特征比如乘客姓名这里选择了直接跳过，最后在处理过发现np.loadtxt函数不能识别'str'类型数据，尔数据集最后一项只有三个类别，所以用表格替换做了'0','1','2'标记替换。import torchfrom torch.utils.data import Dataset
2021-03-29 22:07:12
1507
16
原创 Pytorch深度学习实践第八讲 加载数据集
B站 刘二大人 传送门 加载数据集 本节用的还是糖尿病数据集，老师放的百度云课件中有数据集压缩包，自行下载。 这一节把数据加载做成了类，并且增加了批量处理。代码中有一些测试和绘图后注释掉的内容，这里就不删除了。 链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw 提取码：cxe4import torchfrom torch.utils.data import Datasetfrom torch.utils.data import Data
2021-03-29 21:21:24
343
原创 Pytorch深度学习实践第七讲 处理多维特征的输入
Pytorch深度学习实践第六讲B站 刘二大人 传送门 处理多维特征的输入 本节用的是糖尿病数据集，老师放的百度云课件中有数据集压缩包，自行下载。 链接：[https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw](https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw) 提取码：cxe4import numpy as npimport torchimport matplotlib.pyplot as plt#-
2021-03-29 21:08:19
370
1
原创 Pytorch深度学习实践第六讲 逻辑回归
Pytorch深度学习实践第六讲B站 刘二大人 传送门 逻辑回归一直在找能入门的Pytorch教程，之前在看文档，但苦于没有讲解而且是在家里学习起来着实困难，还好找到了刘二大人的教程，感谢老师。一边学一边写了写代码，中间也遇到一些问题，百度过也问过别人，下面按照课程顺序把写过的代码放上来，也算是交作业了吧。欢迎交流和探讨。本节只用了简单数据集进行逻辑回归，搭配课程观看效果最佳。2020.11.03【更新课件下载链接】链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qI
2021-03-29 20:46:40
247
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