AI
7篇文章 · 0订阅
  • PyTorch 深度学习（GPT 重译）（二）
    四、使用张量表示真实世界数据 本章内容包括 将现实世界的数据表示为 PyTorch 张量 处理各种数据类型 从文件加载数据 将数据转换为张量 塑造张量，使其可以作为神经网络模型的输入 在上一章中，我们
    人工智能
  • PyTorch 深度学习（GPT 重译）（五）
    十二、通过指标和增强改进训练 本章涵盖 定义和计算精确率、召回率以及真/假阳性/阴性 使用 F1 分数与其他质量指标 平衡和增强数据以减少过拟合 使用 TensorBoard 绘制质量指标图 上一章的
    人工智能
  • PyTorch 深度学习（GPT 重译）（六）
    十四、端到端结节分析，以及接下来的步骤 本章内容包括 连接分割和分类模型 为新任务微调网络 将直方图和其他指标类型添加到 TensorBoard 从过拟合到泛化 在过去的几章中，我们已经构建了许多对我
    人工智能
  • PyTorch 深度学习（GPT 重译）（一）
    第一部分：PyTorch 核心 欢迎来到本书的第一部分。在这里，我们将与 PyTorch 迈出第一步，获得理解其结构和解决 PyTorch 项目机制所需的基本技能。 在第一章中，我们将首次接触 PyT
    人工智能
  • PyTorch 深度学习（GPT 重译）（三）
    六、使用神经网络拟合数据 本章内容包括 与线性模型相比，非线性激活函数是关键区别 使用 PyTorch 的nn模块 使用神经网络解决线性拟合问题 到目前为止，我们已经仔细研究了线性模型如何学习以及如何
    人工智能
  • PyTorch 深度学习（GPT 重译）（四）
    第二部分：从现实世界的图像中学习：肺癌的早期检测 第 2 部分的结构与第 1 部分不同；它几乎是一本书中的一本书。我们将以几章的篇幅深入探讨一个单一用例，从第 1 部分学到的基本构建模块开始，构建一个
    人工智能
  • Transformer 模型的 PyTorch 实现
    Google 2017年的论文 Attention is all you need 阐释了什么叫做大道至简！该论文提出了Transformer模型，完全基于Attention mechanism，抛弃了传统的RNN和CNN。 我们根据论文的结构图，一步一步使用 PyTorch …
    人工智能 PyTorch