kuluma

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Advance RNN 1、RNN分類問題 判斷數(shù)據(jù)集中的每個名字所屬的國家，共有18個國家類別 2、網(wǎng)絡(luò)結(jié)構(gòu) ①基礎(chǔ)RNN seq2seq，可以解決自動翻譯問題 ②簡化RNN 利用最終的隱藏層狀態(tài) h_H 通過一個線性層來 ③本例 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Basic RNN ①用于處理序列數(shù)據(jù)：時間序列、文本、語音..... ②循環(huán)過程中權(quán)重共享機(jī)制 一、RNN原理 ① Xt表示時刻t時輸入的數(shù)據(jù) ② RNN Cell—本質(zhì)是一個線性層 ③ Ht表示時刻t時的輸出（隱藏層） RNN 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Advanced CNN 一、GoogLeNet Inception Module：而為了減少代碼的冗余，將由（卷積（Convolution），池化（Pooling）、全連接（Softmax）以及連接（Other））四個模塊所組成的 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Basic Convolution Neural Network 1、全連接網(wǎng)絡(luò) 線性層串行—全連接網(wǎng)絡(luò) 每一個輸入和輸出都有權(quán)重--全連接層 全連接網(wǎng)絡(luò)在處理圖像時，直接將每一行像素拼接成向量，喪失了圖像的空間結(jié)構(gòu) 2、CNN結(jié)構(gòu) 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Softmax Classifer 1、二分類問題：糖尿病預(yù)測 2、多分類問題 MNIST Dataset：10個標(biāo)簽，圖像數(shù)字（0-9）識別 ①用sigmoid：輸出每個類別的概率 但這種情況下，類別之間所存在的互相抑制的關(guān)系沒有 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Dataset & Dataloader 1、Dataset & Dataloader作用 ※Dataset—加載數(shù)據(jù)集，用索引的方式取數(shù) ※DataLoader—Mini-Batch 通過獲得DataSet的索引以及數(shù)據(jù)集大小，來 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili Multiple Dimension Imput 1、糖尿病預(yù)測案例 2、輸入8個特征變量 3、Mini-batch N個樣本，每個樣本有8個特征變量 3、輸入8維變量，輸出1維，代碼部分修改 4、構(gòu)造神經(jīng)網(wǎng)絡(luò) 增加網(wǎng)絡(luò)層數(shù)，增加網(wǎng) 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili 用Pytorch實現(xiàn)邏輯回歸 Logistic Regression 從線性回歸 →? 邏輯回歸 1、分類問題 計算屬于每一類的概率 用 Logistic Function 把實數(shù)空間映射到[0,1]的概率范圍空間內(nèi) 2、模型變化（ 閱讀全文

摘要： 《PyTorch深度學(xué)習(xí)實踐》完結(jié)合集_嗶哩嗶哩_bilibili P5--用Pytorch實現(xiàn)線性回歸 建立模型四大步驟 一、Prepare dataset mini-batch：x、y必須是矩陣 ## Prepare Dataset:mini-batch, X、Y是3X1的Tensor x_da 閱讀全文

摘要： MongoDB存儲 1、鏈接MongoDB 指定數(shù)據(jù)庫 指定集合 import pymongo ## 連接數(shù)據(jù)庫 client = pymongo.MongoClient(host='localhost', port=27017) ## 指定數(shù)據(jù)庫 kuluma db = client.kuluma 閱讀全文