加载包 import numpy as np import pandas as pd import math #Sequential多个网络层的线性堆叠；Dense隐含层 from keras.models import Sequential from keras.layers import Dense from keras.layers import LSTM from keras.layers import SimpleRNN from keras.layers import GRU fro

复发性LM 描述 用于在具有RNN，GRU和LSTM层的PyTorch上训练，测试和采样自动回归递归语言模型的代码和脚本。 买者自负 该存储库仅用于教育和展示目的。 内容按“原样”提供，没有任何默示保证，并且对因使用该内容而造成的损失不承担任何责任。 功能性 该代码提供3种功能：训练LM，评估LM和从LM采样序列。 单词级和字符级LM都可以训练。 训练可以在CPU或GPU中进行，测试和采样在CPU上进行。 训练 培训是使用train_lm.py脚本完成的。 运行python train_lm.p

DEEP_IMPLEMENTS 这个项目是我使用pytorch从零开始实现流行的深度神经网络体系结构的地方。 该项目主要基于pytorch库进行设计，例如学习仅在torchvision库中给出的分类架构。 内容 影像数据 亚历克斯网 VGG16 资源网 起始时间 序列数据 RNN，LSTM，GRU n全部 注意力 变形金刚 如何使用它 有两个主要文件夹src和notebooks 。 notebooks具有实现的jupyter笔记本和python文件的src 。 我先在笔记本上实现，然后在p

深度学习 简述 第一部分 常见深度学习框架（Python API） TensorFlow 对（TensorFlow进一步封装） PyTorch（FaceBook） CNTK（微软） MXNet 胶子 见文件夹：框架 第二部分 前馈神经网络 感知器 一个单层神经网络 一个多层神经网络 使用激活函数 关于隐层和隐层神经元的实验 实现一个自动编码器 调整损失函数 测试不同的优化器 使用正则化技术提高泛化能力 添加Dropout以防止过拟合 见文件夹：前馈神经网络 第三部分 卷积神经网络 滤