通过前几期视频的学习，我们知道了关于一维特征的输入（也就是只有一个x）应该如何处理？但事情往往并不那么简单。比如下图这个预测一个人在一年之后得糖尿病的概率的例子，这个时候我们的输入将会有很多的指标。你可以把它看成是我们体检的各种值。最后一排的外代表了他是否会得糖尿病。 那么多维的特征输入应该怎么办呢？我们就需要把每一个特征x付以相应的权重。在进行逻辑回归时，把每一个维度的x乘相应的权值的和加上一个
转载
2023-11-29 15:42:25
35阅读
深度学习初探/02-Pytorch知识/01-Tensor张量数据类型一、Tensor的基本概念1、python数据类型与PyTorch数据类型的对比 Tensor中，size表示维度，决定了该数据的数据类型（如int型变量3，其dimension = 0；若要表示二维数组，则dimension = 2）2、PyTorch中String类型的表示与处理PyTorch本身不支持string，如果要处
转载
2024-05-30 09:04:01
251阅读
方法学上讲5W1H，即what\why\who\when\where\how。前两天突然一琢磨，觉得提5W1H多少有点主次不分，有误导之嫌，于是我更正之为3W1H，WHO，WHAT，WHY＋HOW，而且分为两个层次：who\what\why为首要层次，how为次要层次。这样，就对应了两个层次的问题：1、who\what\why解决的是“做正确的事”的问题2、how解决的是“正确做事”的问题显然，做正确的事是正确做事的前提条件，优先于正确做事，并对如何正确做事有决定性的指导意义。“who\what\why"就是要在做每件事前首先问问：是谁？要干嘛？为什么干？在 这里，把who排到了第一
转载
2012-06-12 21:36:00
421阅读
2评论
LSTM理解与pytorch使用引言LSTM结构总体结构详细结构Pytorch用法参数介绍使用实例获取中间各层的隐藏层信息关于变长输入 引言LSTM应该说是每一个做机器学习的人都绕不开的东西，它的结构看起来复杂，但是充分体现着人脑在记忆过程中的特征，下面本文将介绍一下LSTM的结构以及pytorch的用法。LSTM结构总体结构 首先，LSTM主要用来处理带有时序信息的数据，包括视频、句子，它将人
转载
2023-09-26 05:48:28
120阅读
“5W1H”来源于美国政治学家拉斯维尔提出“5W分析法”，经过后来人们在学习和工作中不断的整理、理解，逐渐发展成为一种方法、流程、工具，被广泛运用在企业管理和个人的工作中，这种方法能迅速提高工作效率。对个人来讲，这种方法非常适合PPT汇报工作，与“德能勤绩廉”是存在区别的。 5W1H是指：why、what
原创
2014-11-12 16:17:41
3143阅读
方法论是指导做事的基本原则，能够帮助我们快速的触及问题的核心并确定解决思路，好的方法论能让我们事半功倍。 5W2H是指WHY、WHAT、WHO、WHEN、WHERE、HOW、HOW MUCH。5W2H方法可以帮助我们搭建出一个清晰的表达框架，让表达的重点突出，易于理解。5w2h分析法又叫七何分析法，是二战期间美国陆军兵器
翻译
2024-06-19 09:07:37
488阅读
内容概括 1.why：为什么做 2.when：什么时候去做 3.who：谁去做 4.what：做的目的是什么 5.where：从哪里入手  
原创
2015-07-05 18:48:59
2017阅读
本文中的RNN泛指LSTM，GRU等等 CNN中和RNN中batchSize的默认位置是不同的。CNN中：batchsize的位置是position 0.
RNN中：batchsize的位置是position 1.在RNN中输入数据格式：对于最简单的RNN，我们可以使用两种方式来调用,torch.nn.RNNCell(),它只接受序列中的单步输入，必须显式的传入隐藏状态。torch.nn.
转载
2024-07-19 20:46:54
41阅读
3W20H规则3W原则: 这里3W是线与线之间的距离保持3倍线宽。你说3H也可以。但是这里H指的是线宽度。不是
转载
2013-04-08 10:07:00
84阅读
2评论
天文学中，主要的时间尺度是根据地球的自转（日）和公转（年）来定义的。然而，由于地球的自转和公转并非标准的匀速圆周运动，所以存在着多种“日”和“年”的定义。另外，由于地球上不同位置存在着时差，所以时间的计量还要考虑到地理位置的因素。本文将介绍天文学中最常用的几种时间概念。日期儒略日（JD）儒略日是天文学家常用的一种日期系统，它表示的是自公元前4713年1月1日起所经过的日数，从格林尼治[1]时间的正
转载
2024-09-05 17:43:49
87阅读
1. torch.abs(input, out=None)说明：计算输入张量的每个元素绝对值参数：input(Tensor) -- 输入张量out(可选) -- 输出>>> import torch
>>> torch.abs(torch.FloatTensor([-1, -2, 3]))
tensor([1., 2., 3.])2. torch.acos(in
转载
2023-10-26 13:28:15
131阅读
参考链接https://tangshusen.me/Dive-into-DL-PyTorch/#/chapter05_CNN/5.3_channels多输入通道当输入数据含多个通道时，我们需要构造一个输入通道数与输入数据的通道数相同的卷积核，从而能够与含多通道的输入数据做互相关运算。由于输入和卷积核各有个通道，我们可以在各个通道上对输入的二维数组和卷积核的二维核数组做互相关运算，再将这个互相关运算
转载
2023-10-19 15:08:07
79阅读
介绍了数据如何读取，和 transforms相关操作
本节讲述Data如何利用Pytorch提供的DataLoader进行读取，以及Transforms的图片处理方式。 【文中思维导图采用MindMaster软件】注意：笼统总结Transforms，目前仅具体介绍裁剪、翻转、标准化，后续随着代码需要，再逐步更新。目录一. 数据读取（DataLoader
转载
2023-08-23 16:26:12
91阅读
PyTorch入门实战教程笔记（三）：手写数字问题引入MNIST数据集MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。下载数据集 网址：http://yann.lecun.com/exdb/mnist/ 数据集简介： 1、共有4数据集，下载之后保存在磁盘中（最好放在代码执行目录
转载
2024-01-05 22:57:47
33阅读
前面讲过的图片输入方式是从图片的文件夹来读取图片的一种方式。但是必须将类别单独放在一个文件夹。我们现在创建Dataset的子类来进行输入。必须继承自data.Dataset __getitem__ 方法必须创建，只要有这个方法，我们就可以进行切片 __len__ 必须被实现，有了这个方法，我们就可以使用len方法返回数据集的长度import torch
from torch.u
转载
2023-08-16 17:18:14
128阅读
model = Model() model(input) 直接调用Model类中的forward(input)函数，因其实现了__call__举个例子1 import math, random
2 import numpy as np
3
4 import torch
5 import torch.nn as nn
6 import torch.optim as optim
转载
2023-07-08 21:09:07
63阅读
# PyTorch GRU输入
