随笔分类 - Pytorch
记录Pytorch学习笔记
摘要：我对卷积神经网络（CNN）的理解（包含例子） Introduce 卷积神经网络（convolutional neural networks），简称CNN。卷积神经网络相比于人工神经网络而言更适合于图像识别、语音识别等任务。本文主要涉及卷积神经网络的概念介绍，首先介绍卷积神经网络相比于人工神经网络的优
阅读全文
摘要：神经网络中常用的激活函数 Introduce 理论上神经网络能够拟合任意线性函数，其中主要的一个因素是使用了非线性激活函数（因为如果每一层都是线性变换，那有啥用啊，始终能够拟合的都是线性函数啊）。本文主要介绍神经网络中各种常用的激活函数。 以下均为个人学习笔记，若有错误望指出。 各种常用的激活函数
阅读全文
摘要：深度学习 (DeepLearning) 基础 [4] 欠拟合、过拟合与正则化 Introduce 在上一篇“深度学习 (DeepLearning) 基础 [3] 梯度下降法”中我们介绍了梯度下降的主要思想以及优化算法。本文将继续学习深度学习的基础知识，主要涉及： 欠拟合和过拟合 正则化 以下均为个人
阅读全文
摘要：深度学习 (DeepLearning) 基础 [3] 梯度下降法 Introduce 在上一篇“深度学习 (DeepLearning) 基础 [2] 神经网络常用的损失函数”中我们介绍了神经网络常用的损失函数。本文将继续学习深度学习的基础知识，主要涉及基于梯度下降的一类优化算法。首先介绍梯度下降法的
阅读全文
摘要：深度学习 (DeepLearning) 基础 [2] 神经网络常用的损失函数 Introduce 在上一篇“深度学习 (DeepLearning) 基础 [1] 监督学习和无监督学习”中我们介绍了监督学习和无监督学习相关概念。本文主要介绍神经网络常用的损失函数。 以下均为个人学习笔记，若有错误望指出
阅读全文
摘要：深度学习 (DeepLearning) 基础 [1] 监督学习与无监督学习 Introduce 学习了Pytorch基础之后，在利用Pytorch搭建各种神经网络模型解决问题之前，我们需要了解深度学习的一些基础知识。本文主要介绍监督学习和无监督学习。 以下均为个人学习笔记，若有错误望指出。 监督学习
阅读全文
摘要：使用pytorch快速搭建神经网络实现二分类任务（包含示例） Introduce 上一篇学习笔记介绍了不使用pytorch包装好的神经网络框架实现logistic回归模型，并且根据autograd实现了神经网络参数更新。 本文介绍利用pytorch快速搭建神经网络。即利用torch.nn以及torc
阅读全文
摘要：Pytorch Autograd (自动求导机制) Introduce Pytorch Autograd库 (自动求导机制) 是训练神经网络时，反向误差传播(BP)算法的核心。 本文通过logistic回归模型来介绍Pytorch的自动求导机制。首先，本文介绍了tensor与求导相关的属性。其次，通
阅读全文
摘要：Pytorch tensors (张量) Introduce Pytorch的Tensors可以理解成Numpy中的数组ndarrays（0维张量为标量，一维张量为向量，二维向量为矩阵，三维以上张量统称为多维张量），但是Tensors 支持GPU并行计算，这是其最大的一个优点。 本文首先介绍tens
阅读全文
摘要：(CPU version) Pytorch 安装与测试 Introduce PyTorch是一个基于Torch的Python开源机器学习库，用于自然语言处理等应用程序。支持两个高级功能： 支持GPU加速张量计算 支持深度神经网络设计 本文介绍CPU版本的Pytorch (1.5.0) 的安装与测试。
阅读全文