a1314_521a的博客

HuggingFace Transformers库中文预训练语言模型使用介绍，包含pipeline的简单使用，不同Model架构的输出，最后评论数据情感分析项目实践。

基于word2vec+TextCNN 作文本分类; 文学、体育、女性、校园文本分类数据集，利用jieba库进行分词、去停用词、使用卷积神经网络进行文本分类。模型参数配置# 模

使用numpy创建简易图像数据，使用dcgan生成对抗网络进行图像的自动生成

使用ResNet卷积网络识别验证码图片备注：验证码训练集可以在有验证码网站获取（但前期标注比较恶心），这里使用captcha自动进行验证码图像生成，验证码为4位数字，范围0~4(范围较小方便训练)，使用pillow和opencv两种方法进行了图像预处理，使用torch+cpu训练。网络架构图0.1 整体结构0.2 残差单元结构0.3 部分识别结果展示导包from captcha.image import ImageCaptchaimport matplotlib.pyplot

使用循环神经网络训练语言模型（从简单起手、汪峰老师歌词生成器，爬虫+GRU循环网络）第一部分：歌词爬取（本次主要是训练语言模型，百度随便搜的歌词下载网站，编写爬虫脚本自动下载歌词）第二部分：网络构建，歌词生成测试（使用GRU门控循环网络，进行语言模型训练，根据预先给定词，自动向后编写歌词）结果展示： 输入 “生命就” 3个字，自动生成后续歌词: “生命就像找 让我们彼此坦诚 现在或永不 感觉越来越虚无 就像我越来越硬可与你无关 我发现了一些迹象 让我疼痛”第一部分：爬虫impo

FashionMNIST_CNN with pytorch (accuracy: 97.58%/90.1%)接上篇,想进行各种CCN经典网络的效果对比，因为个人电脑配置原因失败，不得以科学上网，注册了kaggle进行训练，整体训练分两部分:1 创建CNN网络训练(网络简单，大概后台运行了5h);2 使用后台运行产生的模型，进行测试集预测结果如下：#1 ----------- first/第一步：kaggle后台训练模型 -------------------------import torc

使用pandas_datareader库获取实时股票数据，利用LSTM进行股票预测

理解LSTM计算的原理，并手动验证内部计算流程

简单理解RNN原理计算，和RNN特征输入问题

手工简单复现经典CNN网络测试**前言：**突然想把看到的机器视觉的经典网络（LeNet5、AlexNet、VGG16、GoogLeNet、ResNet）手工复现一遍，运气好的可以看到效果时逐渐趋于完美的，但现实是残酷的，这里把遇到的问题和部分结果记录以下(真心认为解决问题的过程就是成长的过程)1、导入相关包import torchvisionfrom torchvision.datasets import FashionMNISTimport torchvision.transforms as

一直不太明白词向量怎样产生，搜索生成原理后，自己分别使用word2vector和自建单隐层神经网络进行训练（数据集优美，量少，不用太在意训练效果，主要记录流程）先介绍数据处理与网络架构：1.训练数据集：import torchimport torch.nn as nnfrom torch.nn import CrossEntropyLossfrom torch.optim import SGDimport jiebafrom gensim import corporaimport

手写简单的BP(反向传播)算法（一个隐藏层），网络结构如下：输入层shape:(1,2)w1.shape:(2,4)w2.shape:(4,4)具体代码实现及数据预测结果:import numpy as npimport matplotlib.pyplot as plt# 训练集特征2维X = np.array([[2,1],[-1,1],[-1,-1],[1,-1]])# 类别标签y = np.array([1,2,3,4])# 初始化权重矩阵np.random.seed(