随笔分类 - pytorch
摘要：1. paper: Learning Phrase Representations using RNN Encoder–Decoder for Statistical Machine Translation Encoder 每个时刻输入一个词，隐藏层状态根据公式ht=f(ht−1,xt)改变。其中激
阅读全文
摘要：论文通过实现RNN来完成了文本分类。 论文地址：88888888 模型结构图： 原理自行参考论文，code and comment（https://github.com/graykode/nlp-tutorial）: 1 # -*- coding: utf-8 -*- 2 # @time : 201
阅读全文
摘要：论文 《 Convolutional Neural Networks for Sentence Classification》通过CNN实现了文本分类。 论文地址: 666666 模型图： 模型解释可以看论文，给出code and comment:https://github.com/graykod
阅读全文
摘要：论文来自Mikolov等人的《Efficient Estimation of Word Representations in Vector Space》 论文地址： 66666 论文介绍了2个方法，原理不解释... skim code and comment https://github.com/g
阅读全文
摘要：论文地址：http://www.iro.umontreal.ca/~vincentp/Publications/lm_jmlr.pdf 论文给出了NNLM的框架图： 针对论文，实现代码如下（https://github.com/graykode/nlp-tutorial）： 1 # -*- codi
阅读全文
摘要：###仅为自己练习，没有其他用途 1 import torch 2 import torch.nn as nn 3 import torch.utils.data as Data 4 import torchvision 5 import matplotlib.pyplot as plt 6 fro
阅读全文
摘要：上次通过pytorch实现了RNN模型，简易的完成了使用RNN完成mnist的手写数字识别，但是里面的参数有点不了解，所以对问题进行总结归纳来解决。 总述：第一次看到这个函数时，脑袋有点懵，总结了下总共有五个问题： 1.这个input_size是啥？要输入啥？feature num又是啥？ 2.这个
阅读全文
摘要：关于RNN模型参数的解释，可以参看RNN参数解释 ###仅为自己练习，没有其他用途 1 import torch 2 from torch import nn 3 import numpy as np 4 import matplotlib.pyplot as plt 5 6 # torch.man
阅读全文
摘要：###仅为自己练习，没有其他用途 1 import torch 2 from torch import nn 3 import torchvision.datasets as dsets 4 import torchvision.transforms as transforms 5 import m
阅读全文
摘要：###仅为自己练习，没有其他用途 1 # library 2 # standard library 3 import os 4 5 # third-party library 6 import torch 7 import torch.nn as nn 8 import torch.utils.da
阅读全文
摘要：1 import torch 2 import torch.utils.data as Data 3 import torch.nn.functional as F 4 import matplotlib.pyplot as plt 5 import torch.optim 6 # torch.manual_seed(1) # reproducible 7 8 LR = ...
阅读全文
摘要：1 import torch 2 import torch.utils.data as Data 3 4 torch.manual_seed(1) # reproducible 5 6 BATCH_SIZE = 5 7 # BATCH_SIZE = 8 8 9 x = torch.linspace(1, 10, 10) # this is x data ...
阅读全文
摘要：1 import torch 2 import matplotlib.pyplot as plt 3 4 # torch.manual_seed(1) # reproducible 5 6 # fake data 7 x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor), sha...
阅读全文
摘要：1 import torch 2 import torch.nn.functional as F 3 4 5 # replace following class code with an easy sequential network 6 class Net(torch.nn.Module): 7 def __init__(self, n_feature, n_hidd...
阅读全文
摘要：1 import torch 2 import torch.nn.functional as F 3 import matplotlib.pyplot as plt 4 5 # torch.manual_seed(1) # reproducible 6 7 # make fake data 8 n_data = torch.ones(100, 2) 9 x0 = to...
阅读全文
摘要：1 import torch 2 import torch.nn.functional as F 3 import matplotlib.pyplot as plt 4 5 # torch.manual_seed(1) # reproducible 6 7 x = torch.unsqueeze(torch.linspace(-1, 1, 100), dim=1) # x data (tensor
阅读全文
摘要：1 import torch 2 import torch.nn.functional as F 3 from torch.autograd import Variable 4 import matplotlib.pyplot as plt 5 6 # fake data 7 x = torch.linspace(-5, 5, 200) # x data (tensor), shape=(100,
阅读全文
摘要：1 import torch 2 from torch.autograd import Variable 3 4 # Variable in torch is to build a computational graph, 5 # but this graph is dynamic compared with a static graph in Tensorflow or Theano. 6 #
阅读全文
摘要：1 import torch 2 import numpy as np 3 4 # details about math operation in torch can be found in: http://pytorch.org/docs/torch.html#math-operations 5
阅读全文
