- 博客(11)
- 收藏
- 关注
RSS订阅原创 深度学习复试项目-10：Transformer详解及文字生成原理
Transformer 由堆叠的 Encoder 和 Decoder 组成。输入先经过词嵌入与位置编码；Encoder 使用多头双向自注意力 + FFN，搭配残差连接与 LayerNorm 提取输入上下文；Decoder 包含掩码自注意力（不能看见未来 token）、编码器 - 解码器交叉注意力（读取 Encoder 信息）与 FFN；最后 Linear+Softmax 输出词概率。多头注意力可以并行建模序列全局依赖，摆脱 RNN 串行计算限制。
2026-09-11 15:04:23
179
原创 深度学习复试项目-09：对08项目包装、面试问答
面向中文互联网评论文本场景，解决真实 NLP 任务中文本标注成本高、标注样本稀缺的行业痛点。采用伪标签半监督学习方案，利用少量标注文本搭配大量无标注文本完成文本语义二分类任务。基于 BERT 预训练 Transformer 骨干网络完成算法验证，替代传统静态词向量特征，有效缓解小样本场景下模型语义表征能力弱、容易过拟合、泛化能力不足的问题。
2026-09-11 13:15:13
78
原创 深度学习复试项目-07：NLP核心：自注意力机制与BERT模型解析
自注意力机制是Transformer的核心，解决了传统序列模型长距离依赖、无法并行的痛点；而BERT依托双向Transformer编码器+MLM预训练任务，实现了通用语言表征学习。预训练+微调的范式，让开发者无需从零训练模型，仅需微调即可在小样本下游任务取得极佳效果，这也是BERT成为NLP工业界、学术界通用 baseline 的根本原因。
2026-09-08 15:12:15
311
1
原创 深度学习复试项目-06：对05项目包装、面试问答
针对移动端采集实景图像时人工标注代价高、标注样本不足的现实问题，构建伪标签半监督图像分类方案。依托少量标注样本结合大量无标注实景图像，实现 11 类实景物体分类。采用 ResNet18 骨干网络完成算法验证；从零搭建 PyTorch 深度学习流水线，完成图像预处理、自定义数据集封装、迁移学习建模、高置信伪标签筛选、训练验证可视化全流程开发，提升小样本场景下模型分类精度与鲁棒性。
2026-08-29 00:34:06
259
原创 深度学习复试项目-05：食物图像分类
封装三类数据集：有标签训练集、有标签验证集、无标签数据集；自动读取文件夹分层数据、匹配标签，适配食物11分类的文件夹数据格式。def __init__(self, path, mode="train"):#构造函数初始化数据集path:路径;mode:模式self.mode = mode #保存当前数据集模式，区分训练、验证、无标签数据if mode == "semi": #无标签数据模式self.X = self.read_file(path) #只读取图像数据self.X,无标签self.Y。
2026-08-28 23:48:40
187
原创 深度学习复试项目-04：卷积神经网络前向传播模型
输入：224×224×3 RGB 图像 总可训练层：17 个卷积 + 1 个全连接 =18 层，4 组卷积 Layer，1 次 MaxPool (3×3)，使用 BasicBlock 残差块。，5 个卷积 Block，5 次 MaxPool (2×2)，每个 Block 里面都是2 个 3×3 卷积。，最后 Softmax 输出 1000 分类。
2026-08-27 02:42:53
85
原创 深度学习复试项目-03：对02项目包装、面试问答
针对城市居民体检、生活习惯、环境指标等 93 维高维结构化数据，构建深度学习回归模型，实现居民健康风险指数的精准预测，辅助公共健康风险评估与趋势分析。项目从零搭建 PyTorch 深度学习流水线，完成数据预处理、特征筛选、模型训练、验证推理全流程工程实现。核心技术：结构化数据预处理、卡方检验特征筛选、Z-score 标准化、自定义 Dataset、全连接神经网络、L2 正则化、SGD 优化器A：本项目是结构化表格数据回归任务，基于城市居民 93 维体检、生活、环境特征，预测居民健康风险指数。
2026-08-26 18:39:32
191
原创 深度学习复试项目-02：新冠病毒感染人数预测
用于读取数据集并初始化执行模式、执行数据集class covidDataset(Dataset): #继承Dataset类#类的构造函数：path:csv路径；mode:模式，默认是train；#feature_dim:特征数量；all_feature:是否使用全部特征with open(path,'r') as f: #python读取文件固定写法,r表示只读，文件起别名fcsv_data = list(scv.reader(f))#逐行读csv，放入二维列表，每一个元素代表csv表格一行。
2026-08-26 04:28:22
38
原创 深度学习复试项目-01：线性表示代码解析
import torch #导入pytorch库，用于张量、矩阵运算，和自动求导import matplotlib.pyplot as plt # 导入绘图库，用来绘制散点图import random #用于shuffle洗牌打乱数据集def create_data(w, b, data_num): #生成模拟真实数据##torch.normal(均值，标准差，shape)：生成data_num行 len(w)列的张量。
2026-08-24 18:10:12
320
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人