上一页 1 ··· 35 36 37 38 39 40 41 42 43 ··· 64 下一页
摘要: 用pytorch搭建一个DNN网络,主要目的是熟悉pytorch的使用 阅读全文
posted @ 2019-04-09 18:10 今夜无风 阅读(749) 评论(0) 推荐(0) 编辑
摘要: nn.SequentialA sequential container. Modules will be added to it in the order they are passed in the constructor. Alternatively, an ordered dict of mo 阅读全文
posted @ 2019-04-09 11:30 今夜无风 阅读(2812) 评论(0) 推荐(0) 编辑
摘要: 生成字符向量的过程中需要注意: 1)在收集数据生成corpus时候,通过Word2Vec生成字向量的时候,产生了“ ”空格字符向量,但是加载模型是不会成功的。那么你不是生成的binary文件,就可以修改此文件,更改或删除。 示例参考代码如下: 阅读全文
posted @ 2019-04-09 10:15 今夜无风 阅读(6652) 评论(7) 推荐(1) 编辑
摘要: saved_model模块主要用于TensorFlow Serving。TF Serving是一个将训练好的模型部署至生产环境的系统,主要的优点在于可以保持Server端与API不变的情况下,部署新的算法或进行试验,同时还有很高的性能。 在模型的训练阶段,同时要保存tfs需要的saved_model 阅读全文
posted @ 2019-04-03 09:12 今夜无风 阅读(1928) 评论(0) 推荐(0) 编辑
摘要: 自然语言中的常用的构建词向量方法,将id化后的语料库,映射到低维稠密的向量空间中,pytorch 中的使用如下: 输出: 需要注意的几点: 1)id化后的数据需要查表构建词向量时,idx必须是Long型的tensor 2)查表操作embeds即可得出嵌入向量 阅读全文
posted @ 2019-04-01 09:22 今夜无风 阅读(6018) 评论(0) 推荐(0) 编辑
摘要: 数据加载器,结合了数据集和取样器,并且可以提供多个线程处理数据集。在训练模型时使用到此函数,用来把训练数据分成多个小组,此函数每次抛出一组数据。直至把所有的数据都抛出。就是做一个数据的初始化。 生成迭代数据非常方便,请看如下示例: 结果: 我们来看一下变量类型: 阅读全文
posted @ 2019-03-29 19:07 今夜无风 阅读(88549) 评论(1) 推荐(3) 编辑
摘要: 下表列出了TensorRT层和每个层支持的精确模式。它还列出了该层在深度学习加速器(DLA)上运行的能力。有关附加约束的更多信息,请参见 DLA Supported Layershttps://docs.nvidia.com/deeplearning/sdk/tensorrt-developer-g 阅读全文
posted @ 2019-03-29 17:14 今夜无风 阅读(2705) 评论(0) 推荐(0) 编辑
摘要: torch.nn 是专门为神经网络设计的模块化接口,nn构建于autgrad之上,可以用来定义和运行神经网络 nn.Module 是nn中重要的类,包含网络各层的定义,以及forward方法 对于自己定义的网络,需要注意以下几点: 1)需要继承nn.Module类,并实现forward方法,只要在n 阅读全文
posted @ 2019-03-29 15:59 今夜无风 阅读(6328) 评论(0) 推荐(3) 编辑
摘要: PyTorch中数据读取的一个重要接口是torch.utils.data.DataLoader,该接口定义在dataloader.py脚本中,只要是用PyTorch来训练模型基本都会用到该接口, 该接口主要用来将自定义的数据读取接口的输出或者PyTorch已有的数据读取接口的输入按照batch si 阅读全文
posted @ 2019-03-27 11:47 今夜无风 阅读(1857) 评论(0) 推荐(0) 编辑
摘要: 刚学习pytorch,简单记录一下 输出结果: 阅读全文
posted @ 2019-03-26 11:28 今夜无风 阅读(2030) 评论(0) 推荐(0) 编辑
上一页 1 ··· 35 36 37 38 39 40 41 42 43 ··· 64 下一页