摘要现在我们有了模型和数据，是时候通过优化数据参数来训练、验证和测试我们的模型了。 训练模型是一个迭代过程； 在每次迭代（称为 epoch）中，模型对输出进行猜测，计算其猜测中的误差（损失），收集误差对其参数的导数（如我们在上一节中看到的），并优化 这些参数使用梯度下降。先决条件代码我们从前面关于 Datasets & DataLoaders 和 Build Model 的部分加载代码。i
转载
2023-09-04 18:32:00
42阅读
图像增广通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。我们可以对图像进行不同方式的裁剪，使感兴趣的物体出现在不同位置，从而减轻模型对物体出现位置的依赖性。我们也可以调整亮度、色彩等因素来降低模型对色彩的敏感度。1翻转和裁剪，2变化颜色（亮度、对比度、饱和度和色调）
转载
2024-03-01 14:16:40
70阅读
# Python科普：探索饼状图和状态图
> 本文将带你了解如何使用Python创建饼状图和状态图，帮助你更好地展示数据和流程。
## 饼状图
饼状图是一种常用的数据可视化方式，可以直观地显示各个数据部分占总体的比例。在Python中，我们可以使用`matplotlib`库来创建饼状图。
首先，我们需要安装`matplotlib`库：
```python
!pip install mat
原创
2024-01-20 10:12:58
20阅读
2月初，人工智能领域的顶级会议AAAI 2020已在美国纽约召开，百度共有28篇论文入选。NLP预训练领域入选论文《ERNIE 2.0: A Continual Pre-Training Framework for Language Understanding》被选为Oral展示。该论文提出了持续学习的语义理解框架，该框架可增量学习海量数据中的知识，持续提升语义理解效果，本文将对其展开解读。&nb
2月初，人工智能领域的顶级会议AAAI 2020已在美国纽约召开，百度共有28篇论文入选。NLP预训练领域入选论文《ERNIE 2.0: A Continual Pre-Training Framework for Language Understanding》被选为Oral展示。该论文提出了持续学习的语义理解框架，该框架可增量学习海量数据中的知识，持续提升语义理解效果，本文将对其展开解读。&nb
程序设计的好与坏，早在我们青葱岁月时就接触过了，只是那是并不知道这竟如此重要。能够立即改善程序设计、写出“好”代码的知识有以下几点： •面向对象五个基本原则； •常见的三种架构； •绘图； •起一个好名字； •优化嵌套的 if else 代码；当然，其他技术知识的丰富程度也决定了程序设计的好坏。例如通过引入消息队列解决双端性能差异问题、通过增加缓存层提高查询效率等。下面我们一起来看看，上面列出的知
【前沿重器】栏目主要给大家分享各种大厂、顶会的论文和分享，从中抽取关键精华的部分和大家分享，和大家一起把握前沿技术。具体介绍：仓颉专项：飞机大炮我都会，利器心法我还有。往期回顾前沿重器[7] | 小布助手登顶百度千言短文本相似度的秘诀前沿重器[8] | CV研究启发语义相似和表征前沿重器[9] | ESIM：语义相似度领域小模型的尊严前沿重器[10] | bert语义空间的思考前沿重器
转载
2024-06-04 23:17:28
225阅读
# LLM 和 NLP 同义句改写的探索
在自然语言处理（NLP）领域，同义句改写是一个重要的任务。它主要指的是生成与原句具有相同或相似意思的不同表述。此技术对于机器翻译、文本摘要和问答系统等应用都有着重要的作用。近年来，随着大型语言模型（LLM）的崛起，同义句改写的效果得到了显著提升。本文将深入探讨这一主题，并提供一些代码示例来帮助您理解基本原理。
## 同义句改写的基本概念
同义句改写通
# Keras改写成PyTorch: 深度学习框架的转变之旅
在深度学习的领域中，有多个流行的框架可供选择。其中，Keras和PyTorch是最常用的两个框架。Keras以其简洁的API和快速构建模型的能力而受到欢迎；而PyTorch以动态计算图的特性和使用灵活性赢得了研究人员的喜爱。
本文将带您探索如何将Keras模型转变为PyTorch模型，帮助您理解两个框架之间的异同，并提供相应的代码示
原创
2024-10-14 04:24:48
56阅读
作者：Marc Schmidt
PyTorch 对机器学习领域的影响正在不断扩大，人们在使用中也在不断将其和其他机器学习框架进行对比。最近，Marc Schmidt 在 Reddit 上撰文对 Keras 和 PyTorch 进行了全面的对比。作者认为，PyTorch 在版本管理和调试等方面具有很大优势。 我可以根据自己作为软件工程师的经验（10 年以上）来给你一些答案。我也参与过很多开
pytorch2onnx最近做的项目需要把训练好的模型移植到移动端，安卓手机上，实验室选择了ncnn这个框架，所以我选择了pytoch2onnx2ncnn框架的这个思路。下面主要是记录一下pytorch转onnx模型的步骤和踩过的坑。项目地址ONNX 定义了一种可扩展的计算图模型、一系列内置的运算单元（OP）和标准数据类型。每一个计算流图都定义为由节点组成的列表，并构建有向无环图。其中每一个节点都
转载
2024-05-15 09:57:43
113阅读
NLP系列文章
原创
2023-09-10 13:10:23
233阅读
# 自然语言处理中的文章切分技术
自然语言处理（NLP）是人工智能的一个重要分支，旨在使计算机理解和生成自然语言。一个常见的任务是将长文章切分为更小的段落或句子，这在文本分析、信息检索和机器翻译等领域中具有重要意义。本文将介绍文章切分的基本概念、技术以及Python中相应的实现代码示例。
## 一、文章切分的基本概念
文章切分是指将一篇连续的文本分割成多个部分。这些部分可以是句子、段落或指定
原创
2024-10-20 05:45:20
133阅读
初学DeepLearning，看到TensorFlow和pytorch框架用户数和讨论数比较多，最后选择上手TensorFlow2.0版本。因为搜索了一圈总结：TensorFlow用户基数还是比较大；2.0版本也改进了1.0版本代码编写、调试困难和API混乱等缺点，使其也有了pytorch好上手的优点。 TensorFlow有cpu和gpu两个版本，gpu可以并行处理，因此gpu版本运行起来
转载
2023-09-15 12:48:28
94阅读
Pytorch模型转Tensorflow模型部署上线pytorch模型转tensorflow流程torch模型文件转onnx文件.onnx文件转tensorflow .pb文件导入计算图，测试样例注意版本差异和环境 最近在研究Query2Title模型，学术界上快速实验一般都用pytorch，但是业界部署模型上大多都还是tensorflow模型部署。也可能是自己太懒了，哈哈，pytorch用久
转载
2023-08-20 21:22:15
145阅读
目录0.整体的架构1.MultiHeadAttention（）2.Feed Forward（）0.Encoder层整体的架构在每一个Encoder层中包括一个Multi-Head Attention层以及一个Feed Forward层。Multi-Head Attention层主要就是进行attention的计算，QKV的矩阵运算都在这里。Feed Forward层就是进行特征的提取，进行向前传播
转载
2024-07-30 11:23:54
49阅读
Keras是一个Python深度学习框架，是个高层的API库。它不同于TensorFlow、PyTorch等微分器，Keras高度封装了底层的微分计算等操作，提供了用户友好的API，并且支持在TensorFlow、Theano和CNTK这三个底层微分库之间切换。目前，Keras已被钦定为TensorFlow的用户接口，其地位相当于TorchVision之于PyTorch本文主要基于Keras2作介
转载
2023-12-17 10:32:09
156阅读
import torch
import torch.nn as nn
from torch.autograd import Variable
import torch.utils.data as Data
import torchvision #包括了一些数据库，图片的数据库也包含了
import matplotlib.pyplot as plt
#定义超参数
EPOCH = 1
BATCH_
转载
2024-05-31 12:49:39
49阅读
NLP FROM SCRATCH: CLASSIFYING NAMES WITH A CHARACTER-LEVEL RNN从头开始NLP:使用字符级RNN对名称进行分类 ://pytorch.org/tutorials/intermediate/char_rnn_classification_tutorial.html作者:Sean Robertson我们将建立和训练一个基本的
转载
2023-12-27 21:08:53
30阅读
# PyTorch LSTM 改写 GRU 模块的详细指南
在神经网络模型中，LSTM（长短期记忆网络）和 GRU（门控循环单元）都是用于处理序列数据的重要模块。许多时候，我们可能希望将 LSTM 模块替换为 GRU 模块，以便获得不同的性能表现。在本文中，我将指导你如何在 PyTorch 中将 LSTM 改写为 GRU 单元。
## 1. 整体流程
在开始之前，我们可以定义实现的步骤。以下
原创
2024-09-29 04:07:17
232阅读
