注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. bilibili_回归问题实战（第六课） 深度学习与PyTorch入门实战_龙良曲 .rar

  2. 深度学习与PyTorch入门实战_龙良曲 bilibili_回归问题实战（第六课） 1 data.csv 用于回归的数据数据 2 gd.py 回归实战运行代码 3 lesseon4.pdf 课件

  3. 所属分类：深度学习

    • 发布日期：2019-06-20
    • 文件大小：820224
    • 提供者：zjc910997316

  1. pytorch学习视频百度网盘链接.txt

  2. pytorch学习视频，2.5个G。包括 深度学习初见/ 开发环境安装/ 回归问题/ pytorch基础教程/ pytorch进阶教程/ 随机梯度下降/ 神经网络与全连接层/ 过拟合/ 卷积神经网络CNN/ CIFAR10与resnet实战/ 循环神经网络RNN&lstm/

  3. 所属分类：深度学习

    • 发布日期：2020-02-23
    • 文件大小：75
    • 提供者：u013171226

  1. L1pytorch 线性回归.rar

  2. 文对应的jupyter notebook文件， 解说如何采用pytorch解决线性回归问题。 https://blog.csdn.net/xiuyu1860/article/details/104309108https://blog.csdn.net/xiuyu1860/article/details/104309108

  3. 所属分类：深度学习

    • 发布日期：2020-02-14
    • 文件大小：11264
    • 提供者：xiuyu1860

  1. 详解Pytorch 使用Pytorch拟合多项式(多项式回归)

  2. 使用Pytorch来编写神经网络具有很多优势，比起Tensorflow，我认为Pytorch更加简单，结构更加清晰。 希望通过实战几个Pytorch的例子，让大家熟悉Pytorch的使用方法，包括数据集创建，各种网络层结构的定义，以及前向传播与权重更新方式。 比如这里给出      很显然，这里我们只需要假定 这里我们只需要设置一个合适尺寸的全连接网络，根据不断迭代，求出最接近的参数即可。 但是这里需要思考一个问题，使用全连接网络结构是毫无疑问的，但是我们的输入与输出格式是什么样的呢？ 只将一

  3. 所属分类：其它

    • 发布日期：2020-12-24
    • 文件大小：88064
    • 提供者：weixin_38714532

  1. 基于MSELoss()与CrossEntropyLoss()的区别详解

  2. 基于pytorch来讲 MSELoss（）多用于回归问题，也可以用于one_hotted编码形式， CrossEntropyLoss()名字为交叉熵损失函数，不用于one_hotted编码形式 MSELoss（）要求batch_x与batch_y的tensor都是FloatTensor类型 CrossEntropyLoss（）要求batch_x为Float，batch_y为LongTensor类型 （1）CrossEntropyLoss（） 举例说明： 比如二分类问题，最后一层输出的为2个值，比

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：68608
    • 提供者：weixin_38589812

  1. Pytorch——回归问题

  2. 文章目录1.前言2.数据准备3.搭建神经网络4.训练搭建的神经网络5.可视化操作 1.前言 我会这次会来见证神经网络是如何通过简单的形式将一群数据用一条线条来表示. 或者说, 是如何在数据当中找到他们的关系, 然后用神经网络模型来建立一个可以代表他们关系的线条. 2.数据准备 我们创建一些假数据来模拟真实的情况. 比如一个一元二次函数: y = a * x^2 + b, 我们给 y 数据加上一点噪声来更加真实的展示它. import torch import matplotlib.pyplot

  3. 所属分类：其它

    • 发布日期：2020-12-22
    • 文件大小：169984
    • 提供者：weixin_38698943

  1. DAY2-《动手学深度学习》(PyTorch版)

  2. Task03： 过拟合和欠拟合 一类是模型无法得到较低的训练误差，我们将这一现象称作欠拟合（underfitting）； 另一类是模型的训练误差远小于它在测试数据集上的误差，我们称该现象为过拟合（overfitting）。 在实践中，我们要尽可能同时应对欠拟合和过拟合。虽然有很多因素可能导致这两种拟合问题，在这里我们重点讨论两个因素：模型复杂度和训练数据集大小。 模型复杂度 为了解释模型复杂度，我们以多项式函数拟合为例。给定一个由标量数据特征x和对应的标量标签y组成的训练数据集，多项式函数拟合

  3. 所属分类：其它

    • 发布日期：2021-01-07
    • 文件大小：183296
    • 提供者：weixin_38677260

  1. pytorch实现task3——过拟合、欠拟合及其解决方案；梯度消失、梯度爆炸；循环神经网络进阶

  2. 过拟合、欠拟合及解决方案在之前自己已经使用较多较熟练，故跳过。 梯度消失、梯度爆炸 深度模型有关数值稳定性的典型问题是消失（vanishing）和爆炸（explosion）。 当神经网络的层数较多时，模型的数值稳定性容易变差。 在神经网络中，通常需要随机初始化模型参数。随机初始化模型参数的方法有很多。在线性回归的简洁实现中，我们使用torch.nn.init.normal_()使模型net的权重参数采用正态分布的随机初始化方式。不过，PyTorch中nn.Module的模块参数都采取了较为合理的

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：74752
    • 提供者：weixin_38690739

  1. renet:换网-源码

  2. 递归事件网络（RE-Net）的PyTorch实施 论文： TL; DR：我们提出了一种自回归模型，以在时间知识图（外推问题）上的未观察时间推断图结构。 该存储库包含本文中描述的RE-Net架构的实现。 知识图推理是自然语言处理中的关键任务。 在每个事实都与时间戳相关联的时间知识图上，任务变得更具挑战性。 现有的大多数方法都将重点放在过去的时间戳上，而这些时间戳无法预测将来发生的事实。 本文提出了递归事件网络（RE-Net），这是一种用于预测未来交互的新型自回归体系结构。 事实（事件）的发生被

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：24117248
    • 提供者：weixin_42102401

  1. MAP583--age_estimation-源码

  2. DL-DIY潜在项目构想 将此问题归结为回归或分类 使用进行分类 使用进行回归 寻找处理不平衡数据的策略 年龄估算PyTorch 基于PyTorch的CNN实现，用于从人脸图像估算年龄。 当前仅支持APPA-REAL数据集。 在可以找到类似的基于Keras的项目。 要求 pip install -r requirements.txt 演示版 需要网络摄像头。 有关详细选项，请参见python demo.py -h 。 python demo.py 使用--img_dir参数，该目录中的图像

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_42128676

  1. 锻炼：锻炼nndl-源码

  2. 《神经网络与深度学习》课程练习 书籍信息： 欢迎大家补充练习译文。 环境设定 本次作业需要首先安装anaconda3下载地址 2.0 pytorch> 0.4 锻炼 1.热身练习热身 numpy是Python中对于矩阵处理很实用的工具包，本小节作业主要是熟悉基本的numpy操作。 2.线性回归模型 3.线性模型 支持向量机 Softmax回归Softmax回归 4.前馈神经网络 利用numpy实现全连接神经网络 5.卷积神经网络卷积神经网络（CNN） 利用卷积神经网络，处理MNIST数据集

  3. 所属分类：其它

    • 发布日期：2021-02-26
    • 文件大小：14680064
    • 提供者：weixin_42157556

  1. CNN-Numpy-Implementation：手动实现卷积神经网络，而无需使用诸如pytorch和tensorflow之类的现代库-源码

  2. CNN-Numpy-实施 手动实现卷积神经网络，而无需使用诸如pytorch和tensorflow之类的现代库。 换句话说，我从头开始构建了一个神经网络，其中涉及实现正向和反向传播。 我手动编写了反向传播代码，并使用numpy手动实现了每一层的偏导数。 我在这里使用的方程式示例可以在这里找到。 E.Bendersky（2016年10月28日）。 Softmax函数及其导数。 取自 我最完善，最成功的网络是跟踪多个功能的多元回归CNN。 它可以正确确定两个图像之间的形状数量差异以及是否存在反射

  3. 所属分类：其它

    • 发布日期：2021-02-22
    • 文件大小：321912832
    • 提供者：weixin_42099936

  1. YOLO-源码

  2. 您只看一次（YOLO）：Pytorch实施 该项目涉及在文件定义的对象检测算法Yolo的实现。 YOLO将对象检测问题视为回归问题，并使用单个神经网络在一次评估中直接从完整图像中预测边界框和类概率。 结果 | | | 我在这里 神经网络输出 超参数 焦点损失alpha = 0.25，gamma = 2 面膜减肥：3 类别阈值：0.2 INS阈值：0.5 IoU阈值：0.3 学习率：0.01，0.001 epoch28，0.0001 epoch 34 动量：0.9 重量衰减：0.

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：613376
    • 提供者：weixin_42131618

  1. priyathamhub：配置文件描述-源码

  2. 你好呀 :waving_hand: 我是Priyatham Susarla，欢迎来到我的存储库... 关于我 在从事相关项目时对数据科学，机器学习和深度学习有浓厚兴趣的人。 我喜欢各种挑战，这些挑战使我能够成长，具有深厚的思想能力，具有高效的解决问题能力，编码能力和人际交往能力的快速学习者。 我相信，这与我们选择的职业无关，而与我们学到的技能有关。 我目前正在研究机器学习， PyTorch和AWS 。 技能专长 编程语言：C，JAVA，C ++ 脚本语言：Python 作业系统：Win

  3. 所属分类：其它

    • 发布日期：2021-02-17
    • 文件大小：2048
    • 提供者：weixin_42132056

  1. DL马拉松-源码

  2. DL马拉松（全方位的深度学习疯狂） “人工智能，机器学习，深度学习” -您是否发现这些术语是随机出现的并且想开始使用，但并不完全知道该怎么做？ 不用担心！ 我们为您带来了DL马拉松-深度学习狂热的全过程，我们在其中深入研究了深度学习的各个子主题，例如计算机视觉，自然语言处理，强化学习等。对于这些主题，我们将选择一些相关的主题问题并帮助您详细了解它们。 此外，我们将在实时代码中实施每个模型，以帮助您加深理解！ 会议概况 2月14日：简介-机器学习的基本原理（线性回归，梯度下降，反向传播等），P

  3. 所属分类：其它

    • 发布日期：2021-02-13
    • 文件大小：1024
    • 提供者：weixin_42135753

  1. fastai-course2-nlp-源码

  2. 自然语言处理的代码优先入门 您可以在找到有关该课程的，所有 。 该课程最初课程（2019年夏季）中教授的。该课程使用Jupyter Notebooks使用Python进行教学，并使用sklearn，nltk，pytorch和fastai等库。 目录 将涵盖以下主题： 1.什么是NLP？ 不断变化的领域 资源资源 工具类 Python库 应用范例 道德问题 2.使用NMF和SVD进行主题建模 停用词，词干和词形化 术语文档矩阵 主题频率-逆文档频率（TF-IDF） 奇异值分解（SVD）

  3. 所属分类：其它

    • 发布日期：2021-02-11
    • 文件大小：15728640
    • 提供者：weixin_42151036

  1. course-nlp：NLP课程的代码优先简介-源码

  2. 自然语言处理的代码优先入门 您可以在找到有关该课程的，所有 。 该课程最初课程（2019年夏季）中教授的。该课程使用Jupyter Notebooks使用Python进行教学，并使用sklearn，nltk，pytorch和fastai等库。 目录 将涵盖以下主题： 1.什么是NLP？ 不断变化的领域 资源资源 工具类 Python库 应用范例 道德问题 2.使用NMF和SVD进行主题建模 停用词，词干和词形化 术语文档矩阵 主题频率-逆文档频率（TF-IDF） 奇异值分解（SVD）

  3. 所属分类：其它

    • 发布日期：2021-02-03
    • 文件大小：15728640
    • 提供者：weixin_42166626

  1. TorchRC:在PyTorch API中很好地集成了有组织的储层计算模型和技术集合-源码

  2. 火炬RC 在PyTorch API中很好地集成了有组织的储层计算模型和技术集合。 警告：正在进行中！ 里面有什么 楷模 目前，该库包含以下实现： （泄漏/深度/双向）回波状态网络（ torch_rc.nn.LeakyESN ） （泄漏/深度/双向）带有环形或多环水库的回波状态网络（ torch_rc.nn.MultiringESN ） 更多型号即将问世。 优化器 TorchRC允许以封闭形式或使用标准PyTorch优化器来训练油藏模型。 支持精确的增量式封闭格式技术，以支持将所有网络状

  3. 所属分类：其它

    • 发布日期：2021-03-26
    • 文件大小：23552
    • 提供者：weixin_42165712