上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 43 下一页
摘要: 这篇文章总结了概率统计中期望、方差、协方差和相关系数的定义、性质和基本运算规则。 一、期望 定义: 设P(x)是一个离散概率分布函数自变量的取值范围是。那么其期望被定义为: 设P(x)是一个连续概率分布函数 ,那么他的期望是: 性质: 1.线性运算: 期望服从先行性质,因此线性运算的期望等于期望的线 阅读全文
posted @ 2019-07-31 09:13 交流_QQ_2240410488 阅读(21561) 评论(1) 推荐(0) 编辑
摘要: “Xavier”初始化方法是一种很有效的神经网络初始化方法,方法来源于2010年的一篇论文《Understanding the difficulty of training deep feedforward neural networks》,可惜直到近两年,这个方法才逐渐得到更多人的应用和认可。 为 阅读全文
posted @ 2019-07-31 09:07 交流_QQ_2240410488 阅读(220) 评论(0) 推荐(0) 编辑
摘要: 在tensorflow中,有一个初始化函数:tf.contrib.layers.variance_scaling_initializer。Tensorflow 官网的介绍为: variance_scaling_initializer( factor=2.0, mode='FAN_IN', unifo 阅读全文
posted @ 2019-07-31 09:01 交流_QQ_2240410488 阅读(811) 评论(0) 推荐(0) 编辑
摘要: PyTorch结构介绍对PyTorch架构的粗浅理解,不能保证完全正确,但是希望可以从更高层次上对PyTorch上有个整体把握。水平有限,如有错误,欢迎指错,谢谢! 几个重要的类型和数值相关的TensorVariableParameterbuffer(这个其实不能叫做类型,其实他就是用来保存tens 阅读全文
posted @ 2019-07-30 15:04 交流_QQ_2240410488 阅读(549) 评论(0) 推荐(0) 编辑
摘要: Module 是 pytorch 提供的一个基类,每次我们要 搭建 自己的神经网络的时候都要继承这个类,继承这个类会使得我们 搭建网络的过程变得异常简单。 本文主要关注 Module 类的内部是怎么样的。 初始化方法中做了什么def __init__(self): self._backend = t 阅读全文
posted @ 2019-07-30 15:01 交流_QQ_2240410488 阅读(4060) 评论(2) 推荐(0) 编辑
摘要: 前言 申请的专栏开通了,刚好最近闲下来了,就打算开这个坑了hhhhh 第一篇就先讲一讲pytorch的运行机制好了。。。 记得当时刚刚接触的时候一直搞不明白,为什么自己只是定义了几个网络,就可以完整的训练整个模型,它背后的机制又是如何,搞明白了这个,才有可能去做更多的定制的更改,比如更改loss,反 阅读全文
posted @ 2019-07-30 14:57 交流_QQ_2240410488 阅读(3148) 评论(0) 推荐(0) 编辑
摘要: pytorch在torch.nn.init中提供了常用的初始化方法函数,这里简单介绍,方便查询使用。 介绍分两部分: 1. Xavier,kaiming系列; 2. 其他方法分布 Xavier初始化方法,论文在《Understanding the difficulty of training dee 阅读全文
posted @ 2019-07-30 13:56 交流_QQ_2240410488 阅读(11019) 评论(0) 推荐(1) 编辑
摘要: 一、nn.Embedding.weight初始化分布 nn.Embedding.weight随机初始化方式是标准正态分布 ,即均值$\mu=0$,方差$\sigma=1$的正态分布。 论据1——查看源代码 ## class Embedding具体实现(在此只展示部分代码) import torch 阅读全文
posted @ 2019-07-30 13:53 交流_QQ_2240410488 阅读(14007) 评论(0) 推荐(0) 编辑
摘要: 对于cnn前馈神经网络如果前馈一次写一个forward函数会有些麻烦,在此就有两种简化方式,ModuleList和Sequential。其中Sequential是一个特殊的module,它包含几个子Module,前向传播时会将输入一层接一层的传递下去。ModuleList也是一个特殊的module, 阅读全文
posted @ 2019-07-30 13:50 交流_QQ_2240410488 阅读(1913) 评论(0) 推荐(0) 编辑
摘要: BERT可视化工具体验:bertviz是用于BERT模型注意力层的可视化页面。 1,bertviz的github地址:https://github.com/jessevig/bertviz 2,将bertviz项目clone到本地,启动Jupyter notebbok。 D:\PycharmProj 阅读全文
posted @ 2019-07-30 12:38 交流_QQ_2240410488 阅读(1877) 评论(0) 推荐(0) 编辑
上一页 1 ··· 3 4 5 6 7 8 9 10 11 ··· 43 下一页