AI 助理
备案控制台
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】15. Pytorch实战Kaggle比赛：房价预测案例【含数据集与源码】

1 获取和读取数据集 数据分为训练数据集和测试数据集。两个数据集都包括每栋房子的特征，如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚至是缺失值“na”。只有训练数据集包括了每栋房子的价格，也就是标签。 我们将通过pandas库读入并处理数据。在导入本节需要的包前请确保已安装pandas库。 ...

【从零开始学习深度学习】15. Pytorch实战Kaggle比赛：房价预测案例【含数据集与源码】
文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】48.Pytorch_NLP实战案例：如何使用预训练的词向量模型求近义词和类比词

本文将介绍如何使用已经在大规模语料上预训练的词向量模型来求近义词和类比词。 1. 下载预训练的词向量 基于PyTorch的关于自然语言处理的常用包有官方的torchtext以及第三方的pytorch-nlp等等。你可以使用pip很方便地按照它们，例如命令行执行 pip ...

文章 2024-06-13 来自：开发者社区

【从零开始学习深度学习】38. Pytorch实战案例：梯度下降、随机梯度下降、小批量随机梯度下降3种优化算法对比【含数据集与源码】

1. 梯度下降、随机梯度下降、小批量随机梯度下降区别 梯度下降：在每一次迭代中，梯度下降使用整个训练数据集来计算梯度，一个epoch周期内参数只更新一次。 随机梯度下降：在每次迭代中，只随机采样一个样本来计算梯度，一个epoch周期内会进行样本数目次参数更新。 小批量随机梯度下降：在每次迭代中随机均匀采样多个样本来组成一个小批量来计算梯度，一个epoch周期内会进行（样本...

【从零开始学习深度学习】38. Pytorch实战案例：梯度下降、随机梯度下降、小批量随机梯度下降3种优化算法对比【含数据集与源码】
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】34 使用GPT-2模型实现句子补全功能（手动加载）

1 GPT-2 模型结构GPT-2的整体结构如下图，GPT-2是以Transformer为基础构建的，使用字节对编码的方法进行数据预处理，通过预测下一个词任务进行预训练的语言模型。1.1 GPT-2 功能简介GPT-2 就是一个语言模型，能够根据上文预测下一个单词，所以它就可以利用预训练已经学到的知识来生成文本，如生成新闻。也可以使用另一些数据进行微调，生成有特定格式或者主题的文本，如诗歌、戏剧....

【Pytorch神经网络实战案例】34 使用GPT-2模型实现句子补全功能（手动加载）
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】33 使用BERT模型实现完形填空任务

1 案例描述案例：加载Transformers库中的BERT模型，并用它实现完形填空任务，即预测一个句子中缺失的单词。2 代码实现：使用BERT模型实现完形填空任务2.1 代码实现：载入词表，并对输入的文本进行分词转化---BERT_MASK.py（第1部分）import torch from transformers import BertTokenizer, BertForMaskedLM ....

【Pytorch神经网络实战案例】33 使用BERT模型实现完形填空任务
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】32 使用Transformers库的管道方式实现：加载指定模型+文本分类+掩码语言建模+摘要生成+特征提取+阅读理解+实体词识别

管道方式是Transformers库中高度集成的极简使用方式。使用这种方式来处理NLP任务，只需要编写几行代码就能实现。通过本例的练习可以使读者对Transformers库的使用快速上手。1 在管道方式中指定NLP任务Transfomers库的管道方式使用起来非常简单，核心步骤只有两步：（1）直接根据NLP任务对pipeline类进行实例化，便可以得到能够使用的模型对象。（2）将文本输入模型对象....

【Pytorch神经网络实战案例】32 使用Transformers库的管道方式实现：加载指定模型+文本分类+掩码语言建模+摘要生成+特征提取+阅读理解+实体词识别
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】31 TextCNN模型分析IMDB数据集评论的积极与消极

卷积神经网络不仅在图像视觉领域有很好的效果，而且在基于文本的NLP领域也有很好的效果。TextCN如模型是卷积神经网络用于文本处理方面的一个模型。在TextCNN模型中，通过多分支卷积技术实现对文本的分类功能。1 TextCNN1.1 TextCNN模型结构TexCNN模型是利用卷积神经网络对文本进行分类的模型，该模型的结构可以分为以下4个层次：1.1.1 词嵌入层将每个词对应的向量转化成多维度....

【Pytorch神经网络实战案例】31 TextCNN模型分析IMDB数据集评论的积极与消极
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】30 jieba库分词+训练中文词向量

1 安装jieba1.1 安装pip install jieba1.2 测试import jieba seg_list = jieba.cut("谭家和谭家和") for i in seg_list: printf(i);1.3 词向量在NLP中，一般都会将该任务中涉及的词训练成词向量，然后让每个词以词向量的形式型的输入，进行一些指定任务的训练。对于一个完整的训练任务，词向量的练大多发生...

【Pytorch神经网络实战案例】30 jieba库分词+训练中文词向量
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】29 【代码汇总】GitSet模型进行步态与身份识别(CASIA-B数据集)

1 GaitSet_DataLoader.pyimport numpy as np # 引入基础库 import os import torch.utils.data as tordata from PIL import Image from tqdm import tqdm import random # 1.1定义函数，加载文件夹的文件名称 # load_data函数， 分为3个步...

【Pytorch神经网络实战案例】29 【代码汇总】GitSet模型进行步态与身份识别(CASIA-B数据集)
文章 2023-05-11 来自：开发者社区

【Pytorch神经网络实战案例】28 GitSet模型进行步态与身份识别(CASIA-B数据集)

1 CASIA-B数据集本例使用的是预处理后的CASIA-B数据集， 数据集下载网址如下。    http：//www.cbsr.ia.ac.cn/china/Gait%20Databases%20cH.asp该数据集是一个大规模的、多视角的步态库。其中包括124个人，每个人有11个视角(0，18，36，...，180)，在3种行走条件(普通、穿大衣、携带包裹)下采集。1.1....

【Pytorch神经网络实战案例】28 GitSet模型进行步态与身份识别(CASIA-B数据集)

本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。

pytorch实战相关内容

pytorch更多实战相关

pytorch您可能感兴趣

相关镜像