一、nn.Linear(1, 1)nn.Linear(1, 1) 是 PyTorch 中的一个线性层（全连接层）的定义。nn 是 PyTorch 的神经网络模块（torch.nn）的常用缩写。nn.Linear(1, 1) 的含义如下：第一个参数 1：输入特征的数量。这表示该层接受一个长度为 1 的向量作为输入。第二个参数 1：输出特征的数量。这表
RNN-T1 introduction许多机器学习任务都可以表示为输入序列到输出序列的转换，如语音识别、机器翻译等。序列转换的关键挑战之一是用一种不会扭曲序列的方式来表示输入和输出序列，比如收缩、拉伸和翻译等。Recurrent neural networks(RNNs)就具备这样的表示能力。但是，RNNs需要提前知道输入序列和输出序列的alignment才能进行转换，这在语音识别中是一件很难的事
转载
2024-02-19 13:10:14
123阅读
文章目录一、数据操作1.1 创建Tensor1.2操作1.2.1 算术操作1.2.2 索引1.2.3 改变形状1.3
原创
2022-08-25 11:20:46
1385阅读
PyTorch–快速入门一.安装与配置关于pytorch的安装，要从官网选择操作系统，包管理器pip，python版本及CUDA版本，会对应不同的安装命令二.PyTorch入门第一步PyTorch的简洁设计使得它入门很简单，在深入介绍PyTorch之前，本节将先介绍一些PyTorch的基础知识，能够对PyTorch有一个大致的了解，并能够用PyTorch搭建一个简单的神经网络本节内容参考了PyTo
转载
2023-08-04 14:41:20
101阅读
# PyTorch基础教程：深度学习的入门之旅
## 引言
在当今这个数据驱动的时代，深度学习作为机器学习的一种重要方法，正在多个领域逐渐崭露头角。PyTorch是一个由Facebook开发的开源深度学习框架，以其灵活性和易用性而受到广泛欢迎。本文将带您进入PyTorch的世界，通过简单的代码示例，帮助您理解基本概念与应用。
## 安装PyTorch
在开始之前，您需要确保在您的计算机上安
原创
2024-10-16 04:09:17
60阅读
PyTorch主要是提供了两个核心的功能特性：1）一个类似于NumPy的n维张量，但是可以在GPU上运行2）搭建和训练神经网络时的自动微分/求导机制我们将使用全连接的ReLU网络作为运行示例。该网络将有一个单一的隐藏层，并将使用梯度下降训练，通过最小化网络输出和真正结果的欧几里得距离，来拟合随机生成的数据。目录1. 张量2. 自动求导3. nn模块1. 张量NumPy：在介绍PyTorch之前，我
转载
2023-08-25 18:11:12
126阅读
这是本人刚学习pytorch时学习的代码，虽然不是百分百本人亲自写的，但是也修改注释了一下。本来代码就是开源的，因此，就特地分享出来供大家一起学习，一起↖(ω)↗。希望刚学pytorch的耐心把它看完，真的很有帮助~ 上车吧，骚年~#!/usr/bin/env python
# -*- coding:utf-8 -*-
# Author: yehaizi time:2019/8/13:15:37
转载
2023-09-20 09:22:16
41阅读
Datawhale干货 作者：李祖贤，Datawhale高校群成员，深圳大学随着深度学习的发展，深度学习框架开始大量的出现。尤其是近两年，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源的深度学习框架。目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow 、Pytorch、Caffe、Th
原创
2023-08-04 15:22:52
136阅读
随着深度学习的发展，深度学习框架开始大量的出现。尤其是近两年，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源的深度学习框架。目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow 、Pytorch、Caffe、Theano、Keras等。这其中，TensorFlow和Pytorch占据了深度学习的半壁江山。前几
原创
2021-02-04 20:41:44
232阅读
随着深度学习的发展，深度学习框架开始大量的出现。尤其是近两年，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源的深度学习框架。目前研究人员正在使用的深度学习框架不尽相同，有TensorFlow、Pytorch、Caffe、Theano、Keras等。这其中，TensorFlow和Pytorch占据了深度学习的半壁江山。前几天分
原创
2021-04-06 21:40:39
352阅读
Datawhale干货作者：李祖贤，Datawhale高校群成员，深圳大学随着深度学习的发展，深度学习框架开始大量的出现。尤其是近两年，Google、Facebook、Microso...
转载
2021-08-30 17:43:15
342阅读
DIN 模型的应用场景是阿里最典型的电商广告推荐，有大量的用户历史行为信息（历
原创
2022-07-14 12:52:44
3237阅读
点赞
识别效果：1.softmax回归这一部分分为softmax回归模型的概念、图像分类数据集的概念、softmax回归模型的实现和softmax回归模型基于pytorch框架的实现四部分。对于离散值预测问题，我们可以使用诸如softmax回归这样的分类模型。softmax回归模型有多个输出单元。本章以softmax回归模型为例，介绍神经网络中的分类模型。1.1分类问题例如一个简单的图像分类问题，输入图
学习总结（1）RNN的激活函数一般用tanh（范围在-1到1之间），之前多分类问题的最后一层用的tor
原创
2022-07-14 10:08:03
924阅读
学习总结一、应用场景栗子：torch.nn只支持小批量处理 (mini-batches）。
原创
2022-08-25 10:45:06
206阅读
# PyTorch 搭建 RNN 教程
在这篇文章中，我们将一起学习如何使用 PyTorch 来构建一个简单的递归神经网络（RNN）。RNN 通常用于处理序列数据，例如时间序列分析或自然语言处理任务。下面我们将详细介绍整个流程，并逐步实现 RNN。
## 整体流程
我们将整个过程分为几个步骤。下表展示了每一部分的任务及其细节。
| 步骤 | 任务
文章目录pytorch安装一、配置及准备：二、安装步骤：1.下载与安装CUDA2.下载与安装CuDNN3. 验证CUDA和CuDNN的安装4. 安装pytorch5.测试pytorch的安装： pytorch安装一、配置及准备：学习环境：windows10 + anaconda + python3.7.1 + jupyter notebook机器是win10 64位预备搭建深度学习环境：CUDA
转载
2023-09-12 22:59:25
125阅读
文章目录一、deepFM原理二、FM部分的数学优化三、改进FM后的模型代码四、训练结果Reference一、deepFM原理上
原创
2022-07-14 12:57:48
1729阅读
学习总结torchvision能够方便对数据集的获取、数据增强（如torchvision.transforms进行缩小或放大、水平或垂直翻转等）
原创
2022-08-25 10:34:12
998阅读
youtubeDNN模型（1）候选集生成模型：用了Embedding MLP，注意最后的多分类的输出层，预测的是用户点击了“哪个”视频。线上服务时，需要从输出层提取出【视频 Embedding】，从最后一层 ReLU 层得到【用户 Embedding】，然后利用最近邻搜索（如LSH等）快速得到某用户的候选集。这样能够
原创
2022-07-14 12:58:20
3158阅读
点赞
