摘要： 
二值神经网络 概念 二值神经网络（Binary Neural Networks，BNN）是一种特殊的人工神经网络，在该网络中，权重和激活函数的值被约束为二进制（通常是+1或-1），而不是传统的浮点数。这种二值化的处理可以减少网络模型的存储需求和计算复杂度，从而在某些情况下提高了运行速度和效率。 代替 阅读全文
二值神经网络 概念 二值神经网络（Binary Neural Networks，BNN）是一种特殊的人工神经网络，在该网络中，权重和激活函数的值被约束为二进制（通常是+1或-1），而不是传统的浮点数。这种二值化的处理可以减少网络模型的存储需求和计算复杂度，从而在某些情况下提高了运行速度和效率。 代替 阅读全文
摘要： 
LSTM实现文本情感分类小demo 阅读全文
LSTM实现文本情感分类小demo 阅读全文
摘要： 
简单的CNN应用 阅读全文
简单的CNN应用 阅读全文
摘要： 
卷积 卷积概念 卷积原属于信号处理中的一种运算，引入CNN中，作为从输入中提取特征的基本操作 补零：在输入端外侧填补0值使得卷积输出结果满足某种大小，在外侧的每一边都添加0值，使得输出可以达到某种预定形状 跨步：卷积核在输入上滑动时每次移动到下一步的距离 使用张量实现卷积 import torch 阅读全文
卷积 卷积概念 卷积原属于信号处理中的一种运算，引入CNN中，作为从输入中提取特征的基本操作 补零：在输入端外侧填补0值使得卷积输出结果满足某种大小，在外侧的每一边都添加0值，使得输出可以达到某种预定形状 跨步：卷积核在输入上滑动时每次移动到下一步的距离 使用张量实现卷积 import torch 阅读全文
摘要： 
基本张量运算 张量 张量可以被看做多维数组，高维矩阵，可以进行多种数据操作和数学运算 import torch torch.tensor([[1.,-1.],[1.,-1.]]) 创建张量 tensor([[ 1., -1.], [ 1., -1.]]) a = torch.randn(2,3) t 阅读全文
基本张量运算 张量 张量可以被看做多维数组，高维矩阵，可以进行多种数据操作和数学运算 import torch torch.tensor([[1.,-1.],[1.,-1.]]) 创建张量 tensor([[ 1., -1.], [ 1., -1.]]) a = torch.randn(2,3) t 阅读全文