摘要: 本文将介绍: torch.nn包 定义一个简单的nn架构 定义优化器、损失函数 梯度的反向传播 将使用LeNet-5架构进行说明 一、torch.nn包 torch.nn包来构建网络; torch.nn.Module类作为自定义类的基类; nn.Module,包含了所有神经网络层,比如卷积层或者是线 阅读全文
posted @ 2021-05-19 20:47 hi_mxd 阅读(1415) 评论(0) 推荐(1) 编辑
摘要: 本文主要讲解pytorch上的一些重要操作: 创建、查看形状、创建指定形式的张量、操作方法(加减乘除)以及操作设备(cpu/gpu) 1)torch.tesor([])创建张量 2)torch.view()对张量进行降维 3)torch.size()查看张量的形状 4)torch.ones() to 阅读全文
posted @ 2021-05-19 19:32 hi_mxd 阅读(222) 评论(0) 推荐(0) 编辑
摘要: 原文链接:https://debuggercafe.com/machine-learning-hands-on-convolutional-autoencoders/ 本文将包含两个方面研究内容: 1) 使用Pytorch进行卷积自编码的实现; 2) 在网络学习过程中可视化和对比原始图像及重构图像 阅读全文
posted @ 2021-05-19 19:17 hi_mxd 阅读(3538) 评论(0) 推荐(0) 编辑
摘要: 原文连接: https://debuggercafe.com/implementing-deep-autoencoder-in-pytorch/ 本文将简述pytorch环境下的线性自编码器的实现: 本文内容: autoencoder简介; 方法; Pytorch实现(线性层) 图片重构 一、aut 阅读全文
posted @ 2021-05-19 18:36 hi_mxd 阅读(1847) 评论(0) 推荐(0) 编辑
摘要: 决策树是数据挖掘、决策分析和人工智能中最流行的算法之一。 下面将对其流行的原因进行简单介绍。 什么是决策树? 决策树是一个树状图; 节点代表选择一个属性,比如一个问题; 边代表问的问题的答案, 叶子节点代表实际输出或类标签。 决策树在生活中的应用 想象你正在计划下周的活动。你要做的事情很大程度上取决 阅读全文
posted @ 2021-05-16 10:45 hi_mxd 阅读(2217) 评论(0) 推荐(0) 编辑
摘要: 使用scikit-learn对文本进行分类 原链接 towardsdatascience.com/a-beginners-guide-to-text-classification-with-scikit-learn-632357e16f3a preparing the data reading th 阅读全文
posted @ 2021-05-16 09:57 hi_mxd 阅读(251) 评论(0) 推荐(0) 编辑
摘要: LSTM class torch.nn.LSTM(*args, **kwargs)应用一个多层的LSTM于一个输入序列。对于每个输入序列中的元素,每一层计算如下: 参数: Input_size:输入的x的特征数量 hidden_size:隐藏层n的特征 num_layers:循环网络的层数;比如nu 阅读全文
posted @ 2021-01-08 21:46 hi_mxd 阅读(167) 评论(0) 推荐(0) 编辑
摘要: 本部分为数据预处理部分 word2Vec是一种将单词表示为低维向量的模型; Continuous Bag-of-Words Model 连续词袋模型;该模型根据一个单词的上下文来预测该单词; Continuous Skip-gram Model 该模型是根据一个单词来预测该单词的上下文。 Skip- 阅读全文
posted @ 2020-12-29 21:07 hi_mxd 阅读(223) 评论(0) 推荐(0) 编辑
摘要: 在高度复杂的信息图结构上进行机器学习是困难的。 图卷积GCN是一种神经网络,可以被用于直接在图上进行工作,同时也借助了他们的结构信息。 接下来,将介绍GCN以及信息是如何通过GCN的隐藏层进行传播的,以及这个机制如何生成有用的特征表示的。 首先介绍一下,什么是图神经网络? 图神经网络是个在图上学习的 阅读全文
posted @ 2020-12-24 11:47 hi_mxd 阅读(525) 评论(0) 推荐(0) 编辑
摘要: tf.session对象是执行Operation运算的一个封装环境。Tensor对象会在此执行。 比如: 1 # Build a graph. 2 a = tf.constant(5.0) 3 b = tf.constant(6.0) 4 c = a * b 5 6 # Launch the gra 阅读全文
posted @ 2020-12-19 16:43 hi_mxd 阅读(1019) 评论(0) 推荐(0) 编辑