zhaoliguaner的博客

Generator model: output distributiongenerator,它是个neural network,Discriminator,也是个neural network,他们的架构长什麼样子,你完全可以自己设计,你可以用CNN 你可以用,transformer 都可以,只要你能够產生出你要的输入输出,就可以了。最小化true data和generator data之间的散度GAN 这一整个系列的 Work,就是要告诉你说,怎麼在只有做 Sample 的前提之下,我根本不知道 .

文章目录总览工具包介绍TorchText数据集介绍RNN模型构建词汇表vocal创建迭代器构建模型总览**学习方法：**看完文档后自己总结一遍，用笔记的方式记录下来，然后跑通代码，弄明白每行代码调用的模型、参数的含义，记录过程中遇到的问题和解决方法，类比不同的情况。工具包介绍TorchText主要概念之一是Field，定义了应如何处理数据终于找到满意的pytorch文字版教程了，感动。关于torchtext的讲解数据集介绍电影评论数据集：IMDb数据集RNN模型在这个模型中，每

文章目录Seq2SeqTransformer的encoderTransformer的DecoderAutoregressive DecoderSeq2Seqoutput的长度由机器自己决定~各式各样的NLP的问题,往往都可以看作是QA的问题,而QA的问题,就可以用Seq2Seq model来解可用于multi-label classification：同一个东西,它可以属於多个classseq2seq可以用到各个领域解决问题模型基本架构Transformer的encoder在最初的t

self-attention之前网络的输入是一样的，如果Model每次输入的Sequence的数目和长度不一样应该如何处理？Vector set as input以文字处理为例，假设网络输入为一个句子，句子里的每个词汇被表述为一个向量，则Model的输入就是一个vector set。用One-Hot的Encoding将一个词汇表示成一个向量。这样子的表示方法有一个非常严重的问题,它假设所有的词汇彼此之间都是没有关係的。Word Embedding每个词汇用一个word embedding的向量

机器学习基本概念机器学习的任务包括：回归、分类、结构学习(structure learning)机器学习步骤Model——Function with Unknown Parameters模型函数的形式依赖于领域知识Define Loss from Training DataError Surface(等高线图)loss是自己定义的函数，可以是负的OptimizationGradient Descent（优化方法）梯度下降停止：自行设置epoch；到达梯度为0的点就停止Gradi

文章目录机器学习介绍功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入机器学习介绍主要包括监督学习、半监督学习、迁移学习、无监督学习、强化学习；监督学习包括回归、分类、结构化学习（没有见过）；ML包括DL；功能快捷键撤