深度学习PyTorch笔记(2):Tensor的算术操作 1.2.1 算术操作 这是《动手学深度学习》(PyTorch版)(Dive-into-DL-PyTorch)的学习笔记,里面有一些代码是我自己拓展的。 其他笔记在专栏 深度学习 中。 1.2.1 算术操作 加减乘除、求余、求幂、指数、绝对值: #可以是两个张量,也可以是张量
基于Pytorch的图卷积网络GCN实例应用及详解 一、图卷积网络GCN定义 图卷积网络GCN实际上就是特征提取器,只不过GCN的数据对象是图。图的结构一般来说是十分不规则,可以看作是多维的一种数据。GCN精妙地设计了一种从图数据中提取特征的方法,从而让我们可以使用这些特征去对图数据进行节点分类(node classification)、图分类(graph classification)、边预
文章目录 1. 数据预处理 2. 批量归一化(Batch Normalization) 3. 学习率调整 4. 提前停止(Early Stopping) 5. 模型压缩与剪枝 6. 模型并行与分布式训练 7. 自动化超参数调整 结论 欢迎来到AIGC人工智能专栏~探索Java中的静态变量与实例变量 ☆_ o
深度学习PyTorch笔记(3):Tensor的索引 1.2.2 索引 这是《动手学深度学习》(PyTorch版)(Dive-into-DL-PyTorch)的学习笔记,里面有一些代码是我自己拓展的。 其他笔记在专栏 深度学习 中。 1.2.2 索引 裁剪 x = torch.tensor([[1, 2, 3], [4, 5, 6], [
文章目录 1. 自然语言处理(NLP) 2. 图像识别与计算机视觉 3. 医疗诊断与影像分析 4. 金融风险管理 5. 预测与推荐系统 6. 制造业和物联网 7. 能源管理与环境保护 8. 决策支持与智能分析 结论 欢迎来到AIGC人工智能专栏~探索人工智能在机器学习中的八大应用领域 人工智能(AI)和机器学习(Machin
目录 全量梯度下降 随机梯度下降 小批量梯度下降 三种梯度下降区别和优缺点 全量梯度下降 Batch Gradient Descent 在梯度下降中,对于θ的更新,所有的样本都有贡献,也就是参与调整θ。其计算得到 的是一个标准梯度。因而理论上来说一次更新的幅度是比较大的。如果样本不多的情况下, 当然是这样收敛的速度会更快啦。全量梯度下降每次学习都使用整个训
深度学习PyTorch笔记(5):广播机制与内存开销 1.3 广播机制 1.4 运算的内存开销 这是《动手学深度学习》(PyTorch版)(Dive-into-DL-PyTorch)的学习笔记,里面有一些代码是我自己拓展的。 其他笔记在专栏 深度学习 中。 1.3 广播机制 当对两个形状不同的Tensor按元素运算时,可能会触发广播(broadcas
基于Pytorch的PyTorch Geometric(PYG)库构造个人数据集 一、目的 PyTorch Geometric库中虽然已经包含自带的数据集如 Cora 等,但有时我们也需要用户个人数据创建自己的数据集进行一些数据研究。当然博主也建议大家若是第一次使用PyTorch Geometric库可以先使用其自带的数据集进行理解,再创建自己的数据集做到灵活运用。 二、前期准备和参考资料
摘要 机器学习算法是数据挖掘、数据能力分析和数学建模必不可少的一部分,而随机森林算法和决策树算法是其中较为常用的两种算法,本文将会对随机森林算法的Python实现进行保姆级教学。 0 绪论 数据挖掘和数学建模等比赛中,除了算法的实现,还需要对数据进行较为合理的预处理,包括缺失值处理、异常值处理、特征值的特征编码等等,本文默认读者的数据均已完成数据预处理,如有需
Bert模型之unable to parse config.json as a URL or as a local path错误解决方案 一、点击下面的链接从Kaggle网站下载Bert模型权重文件,注意:下载之前需要在Kaggle网站注册账户和登录才能进行文件下载,下载需要五分钟左右,请耐心等候。 Kaggle官方网站:点击打开torch_bert_weights网站 二、下载完成
目录 摘要 0 绪论 1 材料准备 2 算法原理 3 算法实现 4 结论 5 备注 摘要 KNN算法是一种传统的机器学习算法,在数学建模、数据挖掘和数据分析竞赛中也是常用的算法之一,网上的实现方法基本都是将最近邻数(n_neighbors)设为一个固定值,但实际上,这个n_neighbors是并不一定是最优的,所以,本文在这个背景下,在n_neighbor
摘要 XGBoost算法(eXtreme Gradient Boosting)在目前的Kaggle、数学建模和大数据应用等竞赛中非常流行。本文将会从XGBOOST算法原理、Python实现、敏感性分析和实际应用进行详细说明。 目录 0 绪论 一、材料准备 二、算法原理 三、算法Python实现 3.1 数据加载 3.2 将目标变量的定
目录 PageRank 的定义 前置知识 基本想法 PageRank 的基本定义 PageRank 的一般定义 PageRank 的计算 代数算法 迭代算法 幂法 (power method) Why PageRank Still Matters in 2021 参考文献 PageRank 算法是图的链接分析 (link analysis
文章目录 前言 什么是BERT? 它与其他机器学习算法的不同之处 代码示例 开始设置 准备数据 训练模型 做一个预测 鸣谢!!!! 前言 ****Bert的原理资料已经很多这里不多陈述,仅仅用一个实际例子来说明。文章用详细的步骤演示BERT的使用过程。****机器学习有很多应用程序,其中之一是自然语言处理或 NLP。
文章目录 1.关于Keras 1)简介 2)设计原则 2.Keras的模块结构 3.使用Keras搭建一个神经网络 4.主要概念 1)符号计算 2)张量 3)数据格式(data_format) 4)模型 5.第一个示例 1)Dense(500,input_shape=(784,)) 2)Activation('tan
目录 1.model.py——定义LeNet网络模型2.train.py——加载数据集并训练,训练集计算损失值loss,测试集计算accuracy,保存训练好的网络参数3.predict.py——利用训练好的网络参数后,用自己找的图像进行分类测试 简介 这CIFAR-10数据集官网CIFAR-10数据集由10类60000幅32*32张彩色图像组成,每个类6000幅,其中有50000幅训练图像
摘要 随机森林回归算法的应用领域很广,可用于市场销售预测、客户细分、商品推荐等领域,也可应用于气候模型预测、土地利用分析、水资源管理等环境领域问题。其算法的Python实现涉及到多参数调优问题,本文使用了网格搜索法,以MSE作为评价指标,选取最佳MSE的参数组合构建随机森林回归模型。基于该模型,建立了空气污染(air_pollution)与露点温度(Dew Point Tempe
目录 1.数据集简介2.模型相关知识3.split_data.py——训练集与测试集划分4.model.py——定义AlexNet网络模型5.train.py——加载数据集并训练,训练集计算损失值loss,测试集计算accuracy,保存训练好的网络参数6.predict.py——利用训练好的网络参数后,用自己找的图像进行分类测试 一、数据集简介 有 5 种类型(雏菊,蒲公英,玫瑰,向日
目录 1.自建数据集与划分训练集与测试集2.模型相关知识3.model.py——定义AlexNet网络模型4.train.py——加载数据集并训练,训练集计算损失值loss,测试集计算accuracy,保存训练好的网络参数5.predict.py——利用训练好的网络参数后,用自己找的图像进行分类测试 一、自建数据集与划分训练集与测试集 1.自建数据文件夹 首先我们确定这次分类种类,
目录 决策树基础 决策树的ID3和C4.5生成算法 基尼指数与CART决策树 基尼指数(Gini index) 各类算法总结 实战——CART分类树的sklearn实现 实战——决策树解决回归问题 决策树基础 什么是决策树 决策树学习的算法通常是一个递归地选择最优特征(选择方法的 不同,对应着不同的算 法),并根据该特征对训练数据进行分割,使
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信