- 博客(7)
- 收藏
- 关注
RSS订阅原创 自然语言基础——RNN及其变体
RNN(Recurrent Neural Network), 中文称作循环神经网络, 它一般以序列数据为输入, 通过网络内部的结构设计有效捕捉序列之间的关系特征, 一般也是以序列形式进行输出. 2.1 建模序列数据的时间依赖关系 2.2 处理变长输入输出2.3 实现序列到序列的学习 按照输入和输出的结构进行分类:按照RNN的内部构造进行分类:1. N vs N - RNN: 2. N vs 1 - RNN3. 1 vs N - RNN:4. N vs M - RNN图解： 内部的公式： RNN的参
2025-07-02 09:44:57
2095
原创 NLP基础——文本预处理
文本预处理是将原始文本数据转换为适合模型输入的数值或向量形式的过程。其目的是清理、标准化和结构化文本，以提高模型训练效果。将一段文本使用张量进行表示，其中一般将词汇表示成向量，称作词向量，再由各个词向量按顺序组成矩阵形成文本表示。
2025-06-26 17:11:21
2363
原创 自然语言处理入门
自然语言是人类社会自发演化形成的交际工具（如汉语、英语），区别于人工设计的编程语言等。它承载着文化传承、思维表达等功能，在人工智能领域发展为自然语言理解（NLU）和生成（NLG）两大核心技术。从1950年图灵测试提出至今，自然语言处理经历了规则方法、统计学习到深度学习的演进，特别是2017年后Transformer技术的突破。当前广泛应用于语音助手、机器翻译、智能对话等场景，成为AI时代的重要基础技术。（149字）
2025-06-25 00:57:44
216
原创 卷积神经网络CNN
本文介绍了图像处理和卷积神经网络(CNN)的基础知识。图像由像素组成，可表示为H×W×C的张量。CNN通过卷积层自动提取图像特征，包含卷积、激活、池化和全连接层。卷积层使用卷积核进行特征提取，具有参数共享和局部感知特性；池化层则用于降维。文章详细解释了卷积运算、padding操作、多通道处理以及特征图尺寸计算方法，并对比了最大池化和平均池化的区别。这些内容是理解CNN处理图像数据的关键基础。
2025-06-25 00:19:38
1176
原创 人工神经网络ANN
摘要：本文系统介绍了神经网络的核心概念与技术要点。首先阐述了神经网络的基本结构，包括神经元组成、前向传播与反向传播机制，以及激活函数的作用。其次详细讲解了损失函数类型及其适用场景，包括分类任务中的交叉熵损失和回归任务中的均方误差。最后重点讨论了优化方法，涵盖梯度下降算法及其改进版本（如SGD、Adam），以及学习率衰减策略。文章通过理论说明与PyTorch代码示例相结合的方式，为深度学习实践提供了全面指导，特别强调了参数初始化和优化器选择等技术细节对模型性能的重要影响。（149字）
2025-06-16 21:28:24
651
原创 pytorch框架
PyTorch张量处理与自动微分机制总结 PyTorch通过torch.Tensor类提供丰富的张量操作，包括创建（arange/rand等）、数据类型转换（与NumPy互转）、基本运算（加减乘除）、形状变换（reshape/transpose）及拼接操作（cat/stack）。其核心特性是动态计算图和自动微分机制：1）通过requires_grad标记可微分张量；2）grad_fn记录运算过程构建动态图；3）backward()自动计算梯度并存储在.grad中；4）配合优化器实现参数更新。该机制支持灵活的
2025-06-13 20:37:06
605
原创 深度学习简介
（Deep Learning）是机器学习的分支，是一种以的算法。深度学习核心思想是==通过模仿人脑的神经网络来处理和分析复杂的数据，从大量数据中自动提取复杂特征。
2025-06-12 20:00:02
560
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