![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自学pytorch
文章平均质量分 93
骆驼穿针眼
这个作者很懒,什么都没留下…
展开
-
基于LSTM实现春联上联对下联
按照阿光的项目做出了学习笔记,基于LSTM实现春联上联对下联基于LSTM(长短期记忆网络)实现春联上联对下联是一种有趣且具有挑战性的任务,它涉及到自然语言处理(NLP)中的序列到序列(seq2seq)模型。LSTM是处理序列数据的理想选择,因为它能够记住长期的依赖信息,这对于生成符合语境和文化习俗的春联下联至关重要。原创 2024-03-07 15:22:05 · 606 阅读 · 0 评论 -
基于 EfficientNetV2 实现判别MNIST 手写模型分类
基于 EfficientNetV2 实现判别Fashion-MNIST 服装数据分类,在colab上面实现,无痛复现原创 2024-03-06 16:45:42 · 1016 阅读 · 0 评论 -
基于vgg16进行迁移学习服装分类
的学习记录。原创 2024-03-06 13:27:27 · 1113 阅读 · 0 评论 -
使用GRU进行天气变化的时间序列预测
使用pytorch来写天气变化的时间序列原创 2024-03-04 12:54:28 · 1339 阅读 · 1 评论 -
基于keras中Lenet对于mnist的处理
MNIST(Modified National Institute of Standards and Technology database)是一个经典的手写数字数据集,通常用于计算机视觉和机器学习的基准测试。这有助于理解卷积层在图像中检测到的不同特征或模式。通过在 plt.subplot() 中设置合适的行列数和位置,可以将多个特征图显示在同一图像中,以便一次性查看多个特征。然而,MNIST仍然具有一定的挑战性,因为手写数字的风格和字体会有很大的差异,有些数字可能写得非常潦草或难以识别。原创 2023-09-11 00:01:13 · 237 阅读 · 0 评论 -
基于PyTorch使用LSTM实现新闻文本分类任务
基于PyTorch使用LSTM实现新闻文本分类任务的概况如下:任务描述:新闻文本分类是一种常见的自然语言处理任务,旨在将新闻文章分为不同的类别,如政治、体育、科技等。方法:使用深度学习模型中的LSTM(长短时记忆网络)来处理文本序列数据。LSTM能够捕获文本中的长期依赖关系,适应不定长文本,自动提取特征,适应多类别分类,并在大型数据集上表现出色。基于免费的Google colab原创 2023-09-10 21:58:57 · 1629 阅读 · 2 评论 -
Pytorch实现基于LSTM的情感分析
Torchnet 是一个轻量级框架,旨在为 PyTorch 提供一些抽象和实用工具,以简化常见的深度学习研究任务。Torchnet 的设计是模块化和扩展性的,这使得研究者可以更轻松地尝试新的思路和方法。!!原创 2023-09-10 21:06:00 · 617 阅读 · 0 评论 -
基于pytorch LSTM 的股票预测
loss_function = nn.MSELoss() # 定义损失函数optimizer = torch.optim.Adam(model.parameters(), lr=0.01) # 定义优化器。原创 2023-08-31 14:45:21 · 1113 阅读 · 0 评论