javaer123456-优快云博客

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之循环神经网络 LSTM真实文本情感分析任务

x 形状: [batch_size, seq_len]last_output = lstm_out[:, -1, :] # 取最后一个时间步的输出关键参数说明：词汇表大小（示例中为10个词+1个填充符）：词向量维度：LSTM隐藏层维度：二分类输出。

2025-08-26 23:45:43 401

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之循环神经网络 LSTM正弦波预测

这是一个使用PyTorch实现的LSTM模型，用于预测带噪声的正弦波时间序列。代码展示了从数据生成、模型构建、训练到结果可视化的完整流程。适合作为学习时序建模的基础模板。import os# 1. 生成正弦波数据# 2. 定义LSTM模型# 初始化隐藏状态和细胞状态# LSTM前向传播# 取最后一个时间步输出return out# 3. 参数设置# 4. 数据准备# 5. 模型训练。

2025-08-23 15:50:08 478

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之循环神经网络 RNN正弦波预测

这是一个完整的时间序列预测入门示例，展示了PyTorch实现RNN的核心流程，适合作为时序预测任务的基础模板。生成带噪声的正弦波序列数据定义简单的RNN模型结构训练模型预测下一个时间步的值可视化预测结果和训练过程完整代码import os# 1. 生成正弦波序列数据x = torch.linspace(0, 10, num_samples) # 生成时间点y = torch.sin(x) # 生成正弦波y = add_gaussian_noise(y)# + 噪音。

2025-08-23 15:45:05 267

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之循环神经网络 jieba分词中文文本生成代码分析

数据准备：使用中文文本样本文本预处理：使用jieba分词，构建词汇表数据格式化：创建序列数据集模型定义：构建RNN语言模型模型训练：优化器与损失函数设置文本生成：基于训练好的模型生成新文本# 5. 定义RNN模型# 嵌入层：将词索引转换为向量# RNN层# 全连接层：输出词汇表大小的向量# Dropout层，防止过拟合# 嵌入层# RNN前向传播# 我们只需要最后一个时间步的输出用于预测下一个词"""初始化隐藏状态"""关键点嵌入层：将词索引转换为稠密向量。

2025-08-21 23:03:32 626

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之卷积神经网络 CIFAR-10图像分类任务完整代码分析

以下是一个完整的PyTorch CNN实现，包含数据加载、模型构建、训练和评估全流程，以CIFAR-10图像分类任务为例：代码详解1. 数据加载与预处理数据增强：使用随机水平翻转和旋转增加数据多样性归一化：将像素值从[0,1]归一化到[-1,1]数据加载器：使用实现批量加载和多线程加速2. CNN模型架构卷积层：：输入通道3(RGB)，输出通道32，3x3卷积核，填充1保持尺寸使用批归一化()加速训练并提高稳定性池化层：使用2x2最大池化，将特征图尺寸减半全连接层：展平

2025-08-21 22:01:16 992

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之全连接神经网络 MNIST完整代码分析

设计选择影响效果典型值/方法隐藏层深度浅层网络（1-2层）准确率≈85%深层（5层）可达97%+激活函数避免梯度消失，加速收敛Dropout率0.5减少过拟合测试准确率提升2-3%输出层设计无激活函数+CrossEntropyLoss优于显式Softmax。

2025-08-21 21:33:46 1485

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之卷积神经网络（CNN）

PyTorch中卷积神经网络（CNN）的。

2025-08-21 21:21:42 827

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类之全连接神经网络（FNN）

场景代表模型」PyTorch关键组件」基础分类任务」多层感知机（MLP）」nn.Linear图像生成」GAN生成器」nn.Linear大语言模型」最佳实践优先使用ReLU/GELU激活函数，避免Sigmoid的梯度消失问题。结合提升深层FNN的稳定性。使用和混合精度训练加速大规模FNN。

2025-08-21 21:15:32 1039

原创【深度学习 Pytorch系列课程】pytorch 常见模型分类

PyTorch中常见模型可分为三类：架构分类：CNN（处理图像，如ResNet）、RNN/LSTM（序列数据）、Transformer（长序列建模，如BERT）、GAN（生成数据，如StyleGAN）；任务分类：图像分类（CNN/ViT）、文本分类（LSTM/Transformer）、结构化数据（MLP）；功能扩展：预训练模型（微调适配）、轻量化模型（MobileNet剪枝/量化）。选择建议：图像用CNN/ViT，文本用Transformer，轻量场景选MobileNet，生成任务用GAN。核心原则

2025-08-21 21:10:42 605

原创【深度学习 Pytorch系列课程】PyTorch Tensor编程教学：基础与实战

本文介绍了PyTorch中Tensor的核心操作，包括创建方法（从列表、NumPy数组构造及特殊初始化）、属性查看（形状、数据类型等）、数学运算（逐元素运算和矩阵乘法）、形状操作与索引（重塑、压缩/扩展维度及高级索引）、广播机制与归并操作（自动扩展维度和聚合计算）。同时强调了关键注意事项，如视图与复制的区别、Inplace操作的影响以及数据类型转换。最后通过实战场景（权重初始化、数据预处理和自动微分）展示了Tensor的应用，并提供了核心操作总结表。建议结合官方文档边用边查，并通过调试技巧快速定位问题。

2025-08-21 20:53:25 360

原创【深度学习 Pytorch系列课程】PyTorch学习大纲指南详解

以下是，结合核心知识模块、实战路径及最新技术动态（基于PyTorch 2.7），分为。

2025-08-21 20:45:57 851

转载 python网络爬虫、Java 网络爬虫，哪个更好？

以上就是爬虫的一些基本知识，主要介绍了网络爬虫的使用工具和反爬虫策略，这些东西在后续对我们的爬虫学习会有所帮助，由于这几年断断续续的写过几个爬虫项目，使用 Java 爬虫也是在前期，后期都是用 Python，最近突然间对 Java 爬虫又感兴趣了，所以准备写一个爬虫系列博文，重新梳理一下 Java 网络爬虫，算是对 Java 爬虫的一个总结，如果能帮助到想利用 Java 做网络爬虫的小伙伴，那就更棒啦。就是遵循被爬服务器的规则，不去影响被爬服务器的正常运行，不把被爬服务搞垮，这就是有 “道德” 的爬虫。..

2021-09-02 17:48:49 3889 1

原创 JAVA 爬虫框架webmagic 初步使用Demo

一想到做爬虫大家第一个想到的语言一定是python，毕竟python比方便，而且最近也非常的火爆，但是python有一个全局锁的概念新能有瓶颈，所以用java还是比较牛逼的，webmagic 官网 https://webmagic.io/ 讲的非常详细，当然java比较优秀的框架还有很多不知这些各类JAVA爬虫框架Python中大的爬虫框架有scrapy（风格类似django），pyspider（国产python爬虫框架）。除了Python，Java中也有许多爬虫框架。nutchapache下的

2021-09-01 13:32:27 299

weixin_38983846的博客