【从零开始学习深度学习】15. Pytorch实战Kaggle比赛：房价预测案例【含数据集与源码】
1 获取和读取数据集 数据分为训练数据集和测试数据集。两个数据集都包括每栋房子的特征，如街道类型、建造年份、房顶类型、地下室状况等特征值。这些特征值有连续的数字、离散的标签甚至是缺失值“na”。只有训练数据集包括了每栋房子的价格，也就是标签。 我们将通过pandas库读入并处理数据。在导入本节需要的包前请确保已安装pandas库。 ...
【从零开始学习深度学习】50.Pytorch_NLP项目实战：卷积神经网络textCNN在文本情感分类的运用
首先导入实验所需的包和模块。 import os import torch from torch import nn import torchtext.vocab as Vocab import torch.utils.data as Data import torch.nn.fun...
【从零开始学习深度学习】49.Pytorch_NLP项目实战：文本情感分类---使用循环神经网络RNN
同上一篇文章中的搜索近义词和类比词一样，文本分类也属于词嵌入的下游应用。本文，我们将应用预训练的词向量和含多个隐藏层的双向循环神经网络，来判断一段不定长的文本序列中包含的是正面还是负面的情绪。 导入所需的包或模块。 import collections import os im...
【从零开始学习深度学习】48.Pytorch_NLP实战案例：如何使用预训练的词向量模型求近义词和类比词
本文将介绍如何使用已经在大规模语料上预训练的词向量模型来求近义词和类比词。 1. 下载预训练的词向量 基于PyTorch的关于自然语言处理的常用包有官方的torchtext以及第三方的pytorch-nlp等等。你可以使用pip很方便地按照它们，例如命令行执行 pip ...
【从零开始学习深度学习】47. Pytorch图片样式迁移实战：将一张图片样式迁移至另一张图片，创作自己喜欢风格的图片【含完整源码】
本文将介绍如何使用卷积神经网络自动将某图像中的样式应用在另一图像之上，即样式迁移（style transfer）。这里我们需要两张输入图像，一张是内容图像，另一张是样式图像，我们将使用神经网络修改内容图像使其在样式上接近样式图像。下图中的内容图像为雷尼尔山国家公园（Mount Rainier National Park）的风景照，而样式图像则是一副主题为秋天橡树的油画。最终输出的合成图像在保留了....
【从零开始学习深度学习】46. 目标检测中锚框的概念、计算方法、样本锚框标注方式及如何选取预测边界框
1. 锚框介绍 在目标检测算法中通常会在输入图像中采样大量的区域，然后判断这些区域中是否包含我们感兴趣的目标，并调整区域边缘位置从而更准确地预测目标的真实边界框（ground-truth bounding box）。不同的模型使用的区域采样方法可能不同。此处介绍其中一种采样方法：它以每个像素为中心生成多个大小和宽高比（aspect ratio）不同的边界框。这些边界框被称为锚框（anch...
【从零开始学习深度学习】45. Pytorch迁移学习微调方法实战：使用微调技术进行2分类图片热狗识别模型训练【含源码与数据集】
本文我们将介绍迁移学习中的一种常用技术：微调（fine tuning）。如下图所示，微调由以下4步构成。 在源数据集（如ImageNet数据集）上预训练一个神经网络模型，即源模型。 创建一个新的神经网络模型，即目标模型。它复制了源模型上除了输出层外的所有模型设计及其参数。我们假设这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。我们还假设源模...
【从零开始学习深度学习】44. 图像增广的几种常用方式并使用图像增广训练模型【Pytorch】
首先，导入实验所需的包或模块。 %matplotlib inline import time import torch from torch import nn, optim from torch.utils.data import Dataset, DataLoader import...
【从零开始学习深度学习】43. 算法优化之Adam算法【RMSProp算法与动量法的结合】介绍及其Pytorch实现
1. Adam算法介绍 2. 从零实现Adam算...
【从零开始学习深度学习】42. 算法优化之AdaDelta算法【基于AdaGrad算法的改进】介绍及其Pytorch实现
1. AdaDelta算法介绍 2. 从零实现AdaDelta算法 AdaDelta算法需要对每个自变量维护两个状态变量，即st和Δxt。我们按AdaDelta算法中的公式实现该算法。 ...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
深度学习学习相关内容
智能搜索推荐
智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，以及在电商、内容、直播、社交等领域的业务沉淀，为企业开发者提供场景化推荐服务、全链路推荐系统开发平台、工程引擎组件库等多种形式服务，助力在线业务增长。
+关注