- 博客(7)
- 收藏
- 关注
RSS订阅原创 pytorch返回网络结构（模型）中间层的输出
在domain adversarial neural network代码结构中，如果在模型训练时，我们只返回了D,h的结果用于后续损失计算，在推理时我们突然想看编码器输出特征z。这样推理时同样可以用之前训练好的模型。本质上只是对网络中间层的重命名，不影响网络结构就行。至于返回个数，在外部调用函数时多加个返回值就行。网络训练好后，在用网络进行推理的过程，想多输出模型中间层的结果。更改中间变量的名称，直接在return中加上该变量。
2023-11-14 19:50:40
328
1
原创 NT-Xent Loss、 NT-BXent Loss的python实现
对比学习中常用的NT-Xent(Normalized Temperature-Scaled Cross-Entropy) Loss以及NT-BXent(Normalized Temperature-Scaled Binary Cross-Entropy) Loss。NT-Xent Loss将所有非目标样本视为负样本，NT-BXent Loss将所有非目标样本且非同类样本视为负样本。下面给出NT-BXent Loss的python实现，可直接使用，该链接详细解释了计算过程，感兴趣的可以看看。
2023-09-17 14:23:08
1583
1
原创 python脚本执行其他python文件
问题：跑深度学习代码，很多时候需要修改配置文件中的一个或几个参数，如果每次修改都要守在代码面前是很浪费精力的，尤其是如果代码在半夜结束的话，时间其实是被浪费了（卷狗发言）！写一个脚本按自己预先设定的超参数去改代码跑代码很有必要。代码改好了就该让代码跑起来了。os.system()命令自带阻塞功能，不用担心多个代码同时运行爆内存显存CPU的问题。这里提供一个修改的函数，仅供参考（忘了之前从哪篇博客抄来的了T-T）。改代码无非也就三步，打开文件，定位超参数位置，修改保存。步骤很简单，其实就是两步，改和跑。
2023-09-16 15:38:45
128
1
原创 HMM基本方法及其在语音识别的应用简析
本文简单介绍了HMM的三大问题，对其在语音识别中的应用做了直觉性描述。许多地方结合了自己的理解，可能不准确，大家批判性阅读，欢迎指正。
2023-05-06 21:51:34
1436
1
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