<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_73782959的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_73782959</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_73782959]]></copyright><item><title><![CDATA[NLP.001 词向量]]></title><link>https://blog.youkuaiyun.com/qq_73782959/article/details/139182025</link><guid>https://blog.youkuaiyun.com/qq_73782959/article/details/139182025</guid><author>qq_73782959</author><pubDate>Fri, 24 May 2024 18:35:11 +0800</pubDate><description><![CDATA[深度学习方面的理论还有很多没有写，但是只能告一段落了，后面有时间会再去写.但我们学了深度学习的目的肯定还是引用。接下来几篇文章就会详细去写关于NLP相关的知识。，无论是ML还是DL首要的就是如何将信息转化成计算机能识别并进行处理的形式。这里就是,如何将文字转化成向量呢，通常包括是这几步。下面我将详细讲解这个过程。]]></description><category></category></item><item><title><![CDATA[004.Module源码学习]]></title><link>https://blog.youkuaiyun.com/qq_73782959/article/details/137957623</link><guid>https://blog.youkuaiyun.com/qq_73782959/article/details/137957623</guid><author>qq_73782959</author><pubDate>Fri, 19 Apr 2024 11:00:48 +0800</pubDate><description><![CDATA[接触实际的项目的时候还是会捉襟见肘]]></description><category></category></item><item><title><![CDATA[003.1.优化器（原理讲解）]]></title><link>https://blog.youkuaiyun.com/qq_73782959/article/details/137379139</link><guid>https://blog.youkuaiyun.com/qq_73782959/article/details/137379139</guid><author>qq_73782959</author><pubDate>Thu, 04 Apr 2024 18:10:41 +0800</pubDate><description><![CDATA[由于博主时间有限，本来在之前应该还有一节关于损失函数的讲解，但我认为这两部分应该放在一起来理解。而且Loss函数创建的目的就是为了通过opertimzer来更新对应参数，所以就写了这篇博客，由于本章涉及的数学原理较多，涵盖了向量，级数，与概率论中的参数估计（矩估计），在查阅（chaoxi）了大量来自 YouTube和很多凸优化（又TM是数学）的知识后，决定用视频讲解的方式来讲解其数学原理，所以本章就只是一个大纲，后期会在b站上录一个关于原理讲解的视频（不会Latex打公式…）]]></description><category></category></item><item><title><![CDATA[002.Autograd]]></title><link>https://blog.youkuaiyun.com/qq_73782959/article/details/136972273</link><guid>https://blog.youkuaiyun.com/qq_73782959/article/details/136972273</guid><author>qq_73782959</author><pubDate>Sat, 23 Mar 2024 18:28:17 +0800</pubDate><description><![CDATA[当pytorch内置的方法不能满足我们的一些操作时，(通常是需要将多个算子组合包装为新的类，或者自定义函数求梯度)，的时候，我们就需要自定义求梯度的方法。在定义新的类的时候，包括foward函数 +backward函数  . 最后再运用.apply函数实例化和.backward求梯度此函数必须接受一个context ctx作为第一个参数，之后可以传入任何参数，即在运算中在定义了运算法则之后，通过来存在前项运算中所产生的对应值在return的过程中，返回最后计算的值，而不是中间计算的值。]]></description><category></category></item><item><title><![CDATA[001.Tensor]]></title><link>https://blog.youkuaiyun.com/qq_73782959/article/details/136920635</link><guid>https://blog.youkuaiyun.com/qq_73782959/article/details/136920635</guid><author>qq_73782959</author><pubDate>Thu, 21 Mar 2024 21:13:02 +0800</pubDate><description><![CDATA[​		对应tensor_create类，创建Tensor有三种方法。]]></description><category></category></item></channel></rss>