Chary的Blog

实验环境Pytorch 1.4.0conda 4.7.12Jupyter Notebook 6.0.1Python 3.7数据集介绍来源豆瓣电影评论，数据集包括:训练集:包含 2W 条左右中文电影评论，其中正负向评论各占 1/2。验证集:包含 6K 条左右中文电影评论，其中正负向评论各占 1/2。测试集:包含 360 条左右中文电影评论，其中正负向评论各占 1/2。预训练词向量:中文维基百科词向量 word2vec。训练过程数据准备首先，导入实验所需的库。import g

实验环境Pytorch 1.4.0conda 4.7.12Jupyter Notebook 6.0.1Python 3.7数据集介绍chinese-poetry: 最全中文诗歌古典文集数据库最全的中华古典文集数据库，包含 5.5 万首唐诗、26 万首宋诗、2.1 万首宋词和其他古典文集。诗 人包括唐宋两朝近 1.4 万古诗人，和两宋时期 1.5 千古词人。数据来源于互联网。实验使用预处理过的二进制文件 tang.npz 作为数据集，含有 57580 首唐诗，每首诗限定在 125 词， 不

实验环境Pytorch 1.4.0conda 4.7.12Jupyter Notebook 6.0.1Python 3.7数据集介绍实验采用的猫和狗的图片来自 Kaggle 竞赛的一个赛题 Cat vs Dog 的数据集，其中训练数据集包 括 25000 张图片，其中类别为猫的图片有 12500 张图片，类别为狗的图片有 12500 张，两种类别比例为 1:1。训练集有 25000 张，猫狗各占一半。测试集 12500 张，猫狗各占一半。实际上该数据集是 Asirra 数据集的子集。Asi

1.前言CNN已经取得巨大成功，为什么需要RNN？CNN只能单独的取处理一个个的输入，前一个输入和后一个输入是完全没有关系的。但是，某些任务需要能够更好的处理前后有关的序列的信息，即前面的输入和后面的输入是有关系的。序列数据建模文本：是字母和词汇的序列语音：是音节的序列视频：图像帧的序列时态数据：气象观测数据，股票交易数据、房价数据等例子：词性标注我/n,爱/v 购物/n,...

1.前言卷积运算操作感受野感受野是感觉空间的一部分，当它受到刺激时可以引起神经元的反应感受野：卷积神经网络每一层输出的特征图（feature map）上的像素点在输入图片上映射的区域大小，即特征图上的一个点对应输入图上的区域卷积神经网络是一类特殊的人工神经网络，区别于神经网络其他模型（如递归神经网络、Boltzmann机等）。其主要的特点就是进行卷积运算操作。CNN在图像相关...

1.实验环境Pytorch 1.4.0conda 4.7.12Jupyter Notebook 6.0.1Python 3.7数据集：MNIST2 训练过程数据准备首先，导入实验所需的库，定义一些宏参数，BATCH_SIZE表示每个batch加载多少个样本、EPOCHS表示总共训练批次。如果支持cuda就用gpu来run，不支持就用cpu来run。import torchi...

多元线性回归：波士顿房价预测问题1.读取数据2.数据预处理3.定义模型4.训练模型5.测试模型6.查看每一epoch平均损失值1.读取数据从boston.csv中读取所需数据import numpy as npimport matplotlib.pyplot as pltimport tensorflow.compat.v1 as tfimport pandas as pdfrom ...

import numpy as npimport matplotlib.pyplot as pltimport tensorflow.compat.v1 as tf# tf.enable_eager_execution() # 在TensorFlow1.X版本中启用Eager Execution模式tf.disable_eager_execution() # 在TensorFlow2...

1. Tensorflow之变量赋值输出1+2+3+4+5+6+…+10import tensorflow.compat.v1 as tftf.reset_default_graph()value = tf.Variable(0,name='value')res = tf.Variable(0,name='res')one = tf.constant(1)new_value = tf....