發(fā)簡(jiǎn)信
IP屬地：臺(tái)灣
-
深度學(xué)習(xí)第六篇--- Pytorch 卷積神經(jīng)網(wǎng)絡(luò)-手寫(xiě)數(shù)字識(shí)別卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中的一個(gè)里程碑式的技術(shù)，有了這個(gè)技術(shù)，才會(huì)讓計(jì)算機(jī)有能力理解圖片和視頻信息，才會(huì)有計(jì)算機(jī)視覺(jué)的眾多應(yīng)用。 本文討論卷積神經(jīng)...
-
DeepSeek-R1論文學(xué)習(xí)1 推理大模型與普通大模型的區(qū)別 推理大模型普通大模型目標(biāo)側(cè)重于推理能力、解決復(fù)雜問(wèn)題的能力側(cè)重于語(yǔ)言生成、上下文理解和自然語(yǔ)言處理運(yùn)算原理運(yùn)算...
-
深度學(xué)習(xí)第八篇---正則化
什么叫過(guò)擬合和欠擬合？ 我們?cè)谀Ｐ陀?xùn)練的時(shí)候，通過(guò)把數(shù)據(jù)劃分成訓(xùn)練集和測(cè)試集，然后選擇Loss函數(shù)來(lái)評(píng)估訓(xùn)練效果怎么樣，其loss函數(shù)在訓(xùn)練集上...
-
深度學(xué)習(xí)第七篇---Pytorch 循環(huán)神經(jīng)網(wǎng)絡(luò)-實(shí)現(xiàn)情感極性判定之前所學(xué)的全連接神經(jīng)網(wǎng)絡(luò)(DNN)和卷積神經(jīng)網(wǎng)絡(luò)(CNN)，他們的前一個(gè)輸入和后一個(gè)輸入是沒(méi)有關(guān)系的（從輸入層到隱含層再到輸出層，層與層之間是全...
-
深度學(xué)習(xí)第五篇---Pytorch 邏輯回歸模型-乳腺癌預(yù)測(cè)上篇波士頓房?jī)r(jià)預(yù)測(cè)使用了線性回歸模型，適用于連續(xù)型目標(biāo)變量的回歸問(wèn)題，其取值范圍（-∞，＋∞）。邏輯回歸模型（Logistic回歸模型）常用于二...
-
深度學(xué)習(xí)第四篇--- Pytorch 線性回歸模型-波士頓房?jī)r(jià)預(yù)測(cè)波士頓房?jī)r(jià)預(yù)測(cè)是一個(gè)經(jīng)典案例，類(lèi)似于XX語(yǔ)言的Hello World。本文我們學(xué)習(xí)這個(gè)案例，體會(huì)深度學(xué)習(xí)的過(guò)程。波斯頓房?jī)r(jià)可能受影響的因素一共有...
-
深度學(xué)習(xí)第三篇---數(shù)據(jù)加載
Pytorch的數(shù)據(jù)加載主要依賴torch.utils.data.Dataset和torch.utils.data.DataLoader兩個(gè)模塊...
-
深度學(xué)習(xí)第二篇---文本預(yù)處理本文認(rèn)識(shí)文本預(yù)處理以及它的作用、以及文本預(yù)處理有哪些主要環(huán)節(jié)。文本預(yù)處理是指在將文本數(shù)據(jù)用于深度學(xué)習(xí)模型訓(xùn)練之前，對(duì)文本數(shù)據(jù)進(jìn)行一系列的清洗、轉(zhuǎn)...
-
深度學(xué)習(xí)第一篇---pytorch入門(mén)1 什么是pytorch? PyTorch是一個(gè)基于Numpy的科學(xué)計(jì)算包，它主要有兩個(gè)特點(diǎn)：第一，是GPU加速的張量計(jì)算；第二，是構(gòu)建和訓(xùn)練神...