《动手学深度学习》Task8

最新推荐文章于 2024-09-28 17:10:10 发布

yq313210

最新推荐文章于 2024-09-28 17:10:10 发布

阅读量178

点赞数

文章标签： pytorch 深度学习自然语言处理神经网络

本文链接：https://blog.csdn.net/yq313210/article/details/104503530

版权

文本分类、数据增强、模型微调

文本分类除了经常使用的循环神经网络之外，使用一维卷积层也可以实现
TextCNN模型（用于文本情感分类）
易错点

数据增强

翻转和裁剪
变化颜色
叠加多个图像增广方法
``

augs = torchvision.transforms.Compose([
    torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
apply(img, augs)

易错点

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

yq313210

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

动手学深度学习 Task4 笔记

01-06

动手学深度学习Task4

01-20

动手学深度学习Task4主要涵盖了三个关键概念：机器翻译、注意力机制以及Seq2Seq模型，最后提到了Transformer这一革命性的模型。以下是对这些主题的详细解释：一、机器翻译（Machine Translation, MT）机器翻译是...

参与评论您还未登录，请先登录后发表或查看评论

动手学深度学习课程作业和答案

03-21

动手学深度学习课程作业和答案

《动手学深度学习》学习笔记(八)

xiaoyaolangwj的博客

01-22

258

第八章 计算性能一、命令式和符号式混合编程二、异步计算三、自动并行计算四、多GPU计算五、多GPU计算的简洁实现

《动手深度学习6，7，8》-错题笔记

weixin_43580252的博客

02-25

105

《神经网络与深度学习》第8-9章习题解答

qq_40737798的博客

04-12

2744

最近忙毕设论文，之前写的第8-9章个人解答也就从自己的私人博客进行转载到CSDN上进行分享，答案的正确性不能完全保证。 第八章 8-1 LSTM输入层的特征长度为nnn，输出层的长度为mmm时，神经元个数为：Neuronsall=4×((n+m)×m+m)Neurons_{all}=4 \times ((n+m)\times m +m)Neuronsall=4×((n+m)×m+m) 去掉偏置项，则为：Neuronsno−b=4×((n+m)×m)Neurons_{no-b}=4\times((n+m)\

李沐动手学深度学习课后习题

SJZSZYH的博客

11-16

1648

这里是我学习李沐老师的动手学深度学习时，教材课后题的一些解答，如果有不正确的解答还请指出来。持续更新。

动手学深度学习Task8

Jorah的博客

02-25

269

文本分类；数据增强；模型微调

《动手学深度学习（Pytorch版）》Task01：初识深度学习——4.22打卡

无名小秃瓢的博客

04-22

1461

（gradient descent）：常用的优化算法，在每个步骤中，梯度下降法都会检查每个参数，看看如果仅对该参数进行少量变动，训练集损失会朝哪个方向移动。然后，它在可以减少损失的方向上优化参数。（neural networks）：一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。（reinforcement learning）：让智能体(agent)在与环境交互的过程中，通过学习最优的行为策略，来实现最大的回报或目标。

动手学深度学习 Task5 学习

01-06

卷积神经网络基础；leNet；卷积神经网络进阶一、卷积神经网络基础二维互相关运算二维互相关（cross-correlation）运算的输入是一个二维输入数组和一个二维核（kernel）数组，输出也是一个二维数组，其中核数组...

动手学深度学习 task_2

01-20

在动手学习深度学习的过程中，理解和掌握过拟合与欠拟合的概念及其处理方法是非常关键的。过拟合是深度学习中常见的问题，它指的是模型在训练数据上表现得非常好，但在未见过的测试数据上性能下降的情况。这通常是...

动手学深度学习Task3

01-20

深度学习中的过拟合与欠拟合是模型训练过程中常见的问题，它们直接影响到模型的泛化能力。过拟合指的是模型在训练集上表现良好，但在未见过的测试数据上性能显著下降，这意味着模型过度依赖训练数据的细节，无法很好...

动手学习深度学习（总结梳理）——21. 语言模型

weixin_44981126的博客

10-23

642

动手学习深度学习（总结梳理）——21. 语言模型

《动手学深度学习》--- 文本预处理

little_spice的博客

05-11

1290

做了什么事？读取《时光机器》这本书建立词表通过词表将这本书转化为向量表示 Code #!/usr/bin/env python # -*- coding: UTF-8 -*- """ @Project ：深度学习入门 @File ：文本预处理.py @Author ：little_spice @Date ：2022/5/11 18:13 """ import collections import re from d2l import torch as d2l # 读取数据集：从H.G...

59 双向循环神经网络_by《李沐:动手学深度学习v2》pytorch版

最新发布

buyaotutou的博客

09-28

424

双向循环神经网络通过反向更新的隐藏层来利用方向时间信息通常用来对序列抽取特征、填空，而不是预测未来提出的，。让我们看看这样一个网络的细节。对于任意时间步ttt，给定一个小批量的输入数据Xt∈Rn×dXt∈Rn×d（样本数nnn，每个示例中的输入数ddd），并且令隐藏层激活函数为ϕ\phiϕ。在双向架构中，我们设该时间步的前向和反向隐状态分别为H→t∈Rn×hHt∈Rn×h和H←t∈Rn×。

57 长短期记忆网络(LSTM)_by《李沐:动手学深度学习v2》pytorch版

buyaotutou的博客

09-28

755

在[初始化函数]中，长短期记忆网络的隐状态需要返回一个额外的记忆元，单元的值为0，形状为（批量大小，隐藏单元数）。因此，我们得到以下的状态初始化。实际模型]的定义与我们前面讨论的一样：提供三个门和一个额外的记忆元。请注意，只有隐状态才会传递到输出层，而记忆元CtCt不直接参与输出计算。outputs.append(Y) #Y的shape是（批量大小，词表长度）只有这里输出了批量大小的预测，之后才能用来计算损失。

Pytorch实现Transformer

2301_81989837的博客

09-24

830

首先实现这个部分是因为不论解码器还是编码器都需要这一部分。首先我们假设归一化（LayerNorm）已经做好了。因为我们不确定是Encoder还是Decoder，所以用sublayer传入来作为上一层。接下来实现LayerNorm这一串代码很简单，就是公式的实现而已，注意要把a_2和b_2作为可以学习的变量。

002.从零开始实现softMax回归(pytorch)

漫步云端

09-24

449

动手从零实现神经网络softMax回归

58 深层循环神经网络_by《李沐:动手学深度学习v2》pytorch版

buyaotutou的博客

09-28

806

为了避免过拟合，通常需要在模型设计中平衡隐藏层的宽度与训练数据的数量和质量。可以考虑使用正则化方法、减少隐藏单元数量、增加训练数据量或使用更复杂的模型架构（如 LSTM 或 GRU）来提高模型的泛化能力。其中，隐变量和观测值与具体的函数形式的交互方式是相当随意的。只要交互类型建模具有足够的灵活性，这就不是一个大问题。然而，对一个单层来说，这可能具有相当的挑战性。之前在线性模型中，我们通过添加更多的层来解决这个问题。

动手学深度学习pytorch环境搭建gpu

09-03

为了在GPU上搭建动手学深度学习pytorch环境，你需要按照以下步骤进行操作。首先，你需要安装Anaconda来管理你的Python环境。你可以从官方网站 https://www.anaconda.com/ 下载适用于你操作系统的Anaconda安装程序...