lanzeou-大赛人网-第83页
lanzeou的头像-大赛人网
lanzeou管理员超级版主
这家伙很懒,什么都没有写...
7.5.4 RMSProp-大赛人网

7.5.4 RMSProp

RMSProp(Root Mean Square Propagation,均方根传播)是在AdaGrad基础上的改进,它并非将过去所有梯度一视同仁的相加,而是逐渐遗忘过去的梯度,采用指数移动加权平均,呈指数地减小过去梯度的...
7.6 应用案例:房价预测-大赛人网

7.6 应用案例:房价预测

先安装pandas和scikit-learn库:pip install pandas scikit-learn。 使用House Prices数据集:https://www.kaggle.com/c/house-prices-advanced-regression-techniques。 7.6.1 导入所需的模块 ...
第 8 章 卷积神经网络-大赛人网

第 8 章 卷积神经网络

8.1 CNN概述 卷积神经网络(Convolutional Neural Network,CNN)常被用于图像识别、语音识别等各种场合。它在计算机视觉领域表现尤为出色,广泛应用于图像分类、目标检测、图像分割等任务。 卷...
8.2.4 3维数据的卷积运算-大赛人网

8.2.4 3维数据的卷积运算

图像是3维数据,除了长、宽外还需要处理通道方向。在3维数据的卷积运算中,输入数据的通道数和卷积核的通道数须设为相同的值。当有多个通道时,会按通道进行输入数据和卷积核的卷积运算,并将结...
8.3 池化层-大赛人网

8.3 池化层

池化的另一个特点是对微小偏差具有鲁棒性,数据发生微小偏差时,池化可能会返回相同的结果。例如,数据在宽度方向上偏离1个元素,返回的结果不变。 API使用: # 最大池化 torch.nn.MaxPool2d(ke...
8.4 深度卷积神经网络-大赛人网

8.4 深度卷积神经网络

将神经网络的层数加深,可以更有效地提取层次信息,还可以减少参数数量,从而让学习更加高效。 基于CNN构建深度神经网络,可以提取出更多的图片信息,大幅提高图像识别精度。在人工智能的发展历...
8.5 案例:服装分类-大赛人网

8.5 案例:服装分类

使用Fashion MNIST数据集:https://www.kaggle.com/datasets/zalando-research/fashionmnist。 数据集中每个样本都是28×28的灰度图像,与来自10个类别的标签相关联。标签对应如下: 0:T恤/上...
第 9  章 循环神经网络-大赛人网

第 9 章 循环神经网络

9.1 自然语言处理概述 我们平日使用的语言,如汉语或英语,称为自然语言。自然语言处理(Natural Language Processing,NLP)的目标就是让计算机理解人类语言,进而完成对我们有帮助的事情。 说...
9.3 循环网络层-大赛人网

9.3 循环网络层

9.3.1 RNN层介绍 文本是连续的,具有序列特性。如果其序列被重排可能就会失去原有的意义。比如“狗咬人”这段文本具有序列关系,如果文字的序列颠倒可能就会表达不同的意思。 目前我们接触的神...
9.4 案例:古诗生成-大赛人网

9.4 案例:古诗生成

9.4.1 数据预处理 数据在.txt文件中,每行为一首诗。 首先将每个字作为一个词构建词表。并将原文转换为索引序列。 import re import torch from torch import nn, optim from torch.utils.data ...