pytorch
richardxp888
这个作者很懒,什么都没留下…
展开
-
sklearn.metrics.roc_auc_score(二分类/多分类/多标签)
【代码】sklearn.metrics.roc_auc_score(二分类/多分类/多标签)原创 2022-09-29 20:16:52 · 2363 阅读 · 0 评论 -
torch.unsqueeze() squeeze() expand() repeat()用法及比较
torch.unsqueeze() squeeze() expand() repeat()用法及比较原创 2022-07-23 13:50:32 · 2866 阅读 · 0 评论 -
获取并处理中文维基百科语料
获取语料下载链接处理语料直接下载下来的维基百科语料是一个带有html和markdown标记的文本压缩包,基本不能直接使用。目前主流的开源处理工具主要有两个:1、Wikipedia Extractor;2、gensim的wikicorpus库。然而,这两个主流的处理方法都不能让人满意。Wikipedia Extractor提取出来的结果,会去掉{{}}标记的内容,这样会导致下面的情形西方语言中“数学”(;)一词源自于古希腊语的()这是因为括号里的词带有{{}}标记,被清空了;而按照网上的教程,原创 2022-03-24 13:39:15 · 1935 阅读 · 0 评论 -
七、PyTorch 深度学习 加载数据集
第8讲 加载数据集来源:B站 刘二大人import torchimport numpy as npfrom torch.utils.data import Datasetfrom torch.utils.data import DataLoader# prepare dataset# Dataset是一个抽象函数,不能直接实例化,所以我们要创建一个自己类,继承Datasetclass DiabetesDataset(Dataset): def __init__(self, fil原创 2021-02-28 16:02:50 · 210 阅读 · 0 评论 -
六、PyTorch 深度学习 处理多维特征的输入
07处理多维特征的输入来源:B站 刘二大人源代码:import numpy as npimport torchimport matplotlib.pyplot as plt# prepare datasetxy = np.loadtxt('diabetes.csv.gz', delimiter=',', dtype=np.float32)x_data = torch.from_numpy(xy[:, :-1]) # 第一个‘:’是指读取所有行,第二个‘:’是指从第一列开始,最后一列不要原创 2021-02-27 16:32:45 · 394 阅读 · 2 评论 -
五、PyTorch 深度学习 Logistic回归
Logistic回归来源:B站 刘二大人import torch# import torch.nn.functional as F # prepare datasetx_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[0], [0], [1]]) #design model using classclass LogisticRegressionModel(torch.nn.Module): def原创 2021-02-27 15:01:01 · 151 阅读 · 0 评论 -
四、PyTorch 深度学习 用PyTorch实现线性回归
第5讲 用PyTorch实现线性回归来源:B站 刘二大人源代码:import torch# prepare dataset# x,y是矩阵,3行1列 也就是说总共有3个数据,每个数据只有1个特征x_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])# design model using classclass LinearModel(torch.nn.Modul原创 2021-02-26 15:03:45 · 175 阅读 · 0 评论 -
Python 深度学习 PyTorch Tensors新手入门必备教程
**深度学习Pytorch Tensors部分讲解**# 导入库import torchimport numpy as np1.创建Tensor1.1 直接从数据创建# 可以直接利用数据创建tensor,数据类型会被自动推断出data = [[1, 2], [3, 4]]x_data = torch.tensor(data)print(x_data)tensor([[1, 2], [3, 4]])1.2 从Numpy创建# Tensor 可以直接从numpy原创 2021-02-25 23:26:17 · 328 阅读 · 0 评论 -
三、PyTorch 深度学习 反向传播
第4讲 反向传播back propagation来源:B站 刘二大人import torchx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]w = torch.Tensor([1.0]) # w的初值为1.0w.requires_grad = True # 需要计算梯度def forward(x): return x * w # w是一个Tensordef loss(x, y): y_pred = forwar原创 2021-02-24 22:26:08 · 174 阅读 · 0 评论 -
二、PyTorch 深度学习 梯度下降法
第3讲 梯度下降法来源:B站 刘二大人源代码:import matplotlib.pyplot as plt# prepare the training setx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]# initial guess of weightw = 1.0# define the model linear model y = w*xdef forward(x): return x * w# define原创 2021-02-24 21:09:42 · 122 阅读 · 0 评论 -
一、PyTorch 深度学习 线性模型
**第2讲 linear_model **来源:b站刘二大人的视频源代码:import numpy as npimport matplotlib.pyplot as pltx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]def forward(x): return x * wdef loss(x, y): y_pred = forward(x) return (y_pred - y) ** 2# 穷举法原创 2021-02-24 21:05:52 · 130 阅读 · 1 评论