- 博客(103)
- 收藏
- 关注
原创 基于BERT模型的文本分类示例
定义一个继承自Dataset的类,用于封装文本数据和标签。# ...(省略类定义的代码以节省空间)使用AdamW作为优化器,并定义交叉熵损失函数。num_training_steps = len(dataloader) * 3 # 假设我们训练3个epoch。
2024-05-21 21:19:06 184
原创 双向长短期记忆网络(BiLSTM)简介
双向长短期记忆网络(Bidirectional Long Short-Term Memory, BiLSTM)是一种改进的循环神经网络(Recurrent Neural Network, RNN),专门设计用于处理序列数据。BiLSTM 能够通过结合前向和后向两个 LSTM 网络的输出来捕捉序列中的双向依赖关系。
2024-05-17 16:16:55 544
原创 maxpooling2d的C++细节实现
/ 最大池化函数// 实现代码// 计算输出张量的大小// 初始化输出张量float// 对输入张量进行最大池化++i) {++j) {// 计算当前池化窗口的位置// 找到池化窗口内的最大值h < end_h;++w) {
2024-05-09 20:45:56 215
原创 LoRA(Low-Rank Adaptation)原理与应用
LoRA是一种用于调整和微调大型神经网络的技术,特别适用于直接微调整个网络参数成本高昂或不切实际的情况。
2024-04-23 22:08:53 522
原创 `extern` 关键字的用法cpp
extern关键字在 C 和 C++ 中用于声明变量或函数是在其他地方定义的,它有助于跨源文件共享数据和函数,以及在 C++ 中与 C 语言代码进行互操作。
2024-04-16 17:39:01 406
原创 统计Excel文件中的答案选项和类别
通过这个脚本,我们可以快速地从Excel文件中提取和统计答案选项及职务类别的分布情况,并将结果以JSON格式保存,便于进一步的分析和处理。上述代码和文档中的文件路径和问题列表是示例性的,需要根据实际情况进行调整。在运行脚本之前,请确保您的环境中已安装了。脚本将自动执行统计操作,并将结果保存到指定的JSON文件中。水平有限,有问题随时交流;
2024-04-07 18:37:52 480
原创 Python 中的 `deque` 用法介绍
deque(双端队列)是 Python模块中的一个数据结构,它允许你在队列的两端进行添加(append)和弹出(pop)操作。deque是一个线程安全的双向链表,适用于需要快速添加和删除元素的场景。以下是deque的一些基本用法和特性。
2024-04-02 15:38:39 432
原创 C++ STL中Queue和Stack的用法
队列(Queue)是一种先进先出(FIFO)的数据结构,在C++的STL中由queue模板类实现。// 创建一个整数类型的队列栈(Stack)是一种后进先出(LIFO)的数据结构,在C++的STL中由stack模板类实现。// 创建一个整数类型的栈。
2024-04-02 14:16:55 400
原创 BERT模型中句子Tokenize和ID转换的过程
当我们使用BERT或其他类似的预训练语言模型时,将句子转换为token的过程通常涉及以下几个步骤:初始化Tokenizer:首先,我们需要导入相应的Tokenizer类,并根据需求选择合适的预训练模型进行初始化。分词(Tokenization):分词是将句子分割成单词或者子词(subword)的过程。这个过程通常包括将句子转换为小写(如果使用的模型支持小写输入)、识别并标记单词边界、将单词分割为子词(如果使用的是基于WordPiece或Byte-Pair Encoding的模型),等等。
2024-03-26 19:10:40 413
原创 Embedding层的简述及其代码实现
Embedding层是深度学习中常用的一种层类型,主要用于将离散的符号(如单词、字符等)映射到连续的低维稠密向量空间中。它在自然语言处理(NLP)任务中得到广泛应用,用于将词汇表中的单词映射为向量表示,从而方便神经网络模型理解和处理文本数据。
2024-03-26 17:30:37 431
原创 C++ 中的 unordered_map 用法文档
是 PyTorch 中用于生成标量张量的函数之一。它会创建一个包含一个元素且值为1的标量张量,通常用于表示单个数值,比如损失函数的值或者模型的参数初始化值。
2024-03-25 20:06:51 247
原创 细节之PyTorch 中的 torch.ones([])
是 PyTorch 中用于生成标量张量的函数之一。它会创建一个包含一个元素且值为1的标量张量,通常用于表示单个数值,比如损失函数的值或者模型的参数初始化值。
2024-03-25 16:01:31 495
原创 注意力机制与交叉注意力:理论、公式与实现
在自然语言处理(NLP)和深度学习领域,注意力机制和交叉注意力是两种强大的技术,它们允许模型在处理序列数据时动态地聚焦于最重要的部分。本文将介绍这两种机制的数学原理,并通过代码示例展示如何在PyTorch中实现它们。
2024-03-22 11:53:31 1534
原创 解决 Jupyter Notebook 中没有显示想要的内核的问题
如果在 Jupyter Notebook 的 “Kernel” 菜单中没有显示你想要的内核(kernel),可能是因为该内核没有正确安装或配置到 Jupyter Notebook 中。:如果内核仍然没有出现在 “Kernel” 菜单中,你可以尝试手动将内核添加到 Jupyter Notebook 中。是你想要添加的内核的名称,安装完成后,重新启动 Jupyter Notebook,然后尝试切换到你添加的新内核。安装完成后,重新启动 Jupyter Notebook,然后尝试切换内核。
2024-03-21 16:21:56 907
原创 FLOPS 与 FLOPs 的区别解析
概念不同:FLOPS 表示每秒浮点运算次数,是计算设备的计算性能指标;而 FLOPs 表示模型中的浮点运算操作总数,是模型计算复杂度的指标。应用不同:FLOPS 用于评估计算设备的处理能力和性能;FLOPs 用于衡量模型的计算复杂度和计算量。单位不同:FLOPS 的单位是每秒浮点运算次数(如 TFLOPS、GFLOPS);FLOPs 的单位是浮点运算操作总数(如 MFLOPs、GFLOPs)。水平有限,有问题随时联系;
2024-03-21 15:32:47 769
原创 Domain Adaptation模型之pix2pix原理简介
pix2pix和CycleGAN是两种基于深度学习的图像到图像翻译模型,它们在图像风格转换、图像修复、图像增强等多个方面都有广泛的应用。通过理解它们的原理和网络结构,我们可以更好地应用这些模型来解决实际问题,并推动计算机视觉领域的发展。
2024-03-18 20:00:07 574
原创 直方图均衡化原理与代码实现
直方图均衡化是一种有效的图像增强技术,通过调整图像的灰度级别分布,改善图像的对比度和细节。在实际应用中,根据具体任务需要,可以选择是否使用直方图均衡化以及调整参数以达到最佳效果。
2024-01-31 21:58:11 430
原创 直方图变换简介与实现
直方图变换是一种常用的图像处理技术,用于调整图像的亮度和对比度。通过选择合适的变换方法,我们可以优化图像以满足不同的需求。在实际应用中,需要根据具体任务调整参数和选择适当的变换方法。
2024-01-31 21:49:05 379
原创 卷积层和反卷积层输出特征图大小计算
需要注意的是,反卷积的填充指的是输出特征图的填充,而不是输入特征图的填充。在反卷积中,输出特征图的填充会增加输出特征图的大小。总的来说,计算输出特征图大小的公式考虑了输入特征图的尺寸、卷积核的大小、填充的大小、步长和输出填充的大小等参数。当我们有一个输入特征图大小为 26x26 ,反卷积核大小为 3x3 ,步长为 1 ,输出填充为 0 的情况下,计算反卷积层的输出特征图大小。当我们有一个输入特征图大小为 28x28 ,卷积核大小为 3x3 ,步长为 1 ,填充为 0 的情况下,计算卷积层的输出特征图大小。
2024-01-30 10:41:48 1203
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