分类 PyTorch 教程 下的文章

《深度强化学习算法与实践》高清完整PDF版 下载
撰写于：  浏览：1518 次  分类：PyTorch 教程
1、封面介绍2、出版时间2022年4月3、推荐理由本书从强化学习的基础知识出发，结合PyTorch深度学习框架，介绍深度强化学习算法各种模型的相关算法原理和基于PyTorch的代码实现。作为一本介绍深度强化学习知识的相关图书，本书介绍了常用的强化学习环境，基于价值网络的强化学习算法和基于策略梯度的强化学习算法，以及一些常用的比较流行的深度强化学习算[...]
《Python深度学习入门》高清完整PDF版 下载
撰写于：  浏览：1617 次  分类：PyTorch 教程
1、封面介绍2、出版时间2021年2月3、推荐理由本书全面介绍了深度学习知识，借助数学公式、示意图和代码，旨在帮助读者从数学层面、概念层面和应用层面理解神经网络。读者可以跟随本书构建和训练神经网络模型，从而解决实际问题。另外，本书着重介绍卷积神经网络和循环神经网络，并提供PyTorch开源神经网络库的使用方法，有助于学习构建更高级的神经网络架构。4[...]
Internal Covariate Shift：内部协变量偏移
撰写于：  浏览：1155 次  分类：PyTorch 教程
我们知道深度神经网络一旦开始训练起来，那么中间层的输入参数就要发生变更，网络中每一层的输入数据分布一直在发生变化的。即便在输入层，我们已经人为的为每个样本归一化，但是仍然阻止不了后面网络每一层的输入数据的分布变化，因为在训练的时候，前面层训练参数的更新将导致后面层输入数据分布的变化。以网络第二层为例：网络的第二层输入，是由第一层的学习参数和inpu[...]
Seq2Seq 应用场景
撰写于：  浏览：1536 次  分类：PyTorch 教程
Seq2Seq模型可以用于处理输入序列和输出序列长度不相同的问题。常用的场景有：机器翻译、语音识别和文字识别三个领域为例。1、机器翻译领域比如将“ABC”输入序列翻译成“WXYZ”输出序列。Seq2Seq模型可以处理输入序列和输出序列长度不同问题。2、语音识别在attention-based的Seq2Seq基础上，引入了混合attention机制，[...]
Seq2Seq详细解读
撰写于：  浏览：980 次  分类：PyTorch 教程
什么是Seq2Seq？所谓Seq2Seq(Sequence to Sequence)，就是一种能够根据给定的序列，通过特定的方法生成另一个序列的方法。它被提出于2014年，最早由两篇文章独立地阐述了它主要思想，分别是Google Brain团队的《Sequence to Sequence Learning with Neural Networks》[...]
《Attention Is All You Need》论文下载
撰写于：  浏览：3728 次  分类：PyTorch 教程
提示：本文更新于2024年8月12日《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型名字叫Transformer，它抛弃了以往深度学习任务里面使用到的CNN和RNN，它完全基于注意力机制，不需要重复和卷积。同时，更具并行性，需要的训练时间显著减少。后[...]
《深度学习框架PyTorch 入门与实践》高清完整PDF版 下载
撰写于：  浏览：497 次  分类：PyTorch 教程
1、封面介绍2、出版时间2018年1月3、推荐理由书从多维数组Tensor开始，循序渐进地带领读者了解PyTorch各方面的基础知识，并结合基础知识和前沿研究，带领读者从零开始完成几个经典有趣的深度学习小目，包括GAN 生成动漫头像、AI滤镜、AI 写诗等。本书没有简单机械地介绍各个函数接口的使用，而是尝试分门别类、循序渐进地向读者介绍PyTorc[...]
《终极算法》高清完整PDF版 下载
撰写于：  浏览：1223 次  分类：PyTorch 教程
1、封面介绍2、出版时间2017年1月3、推荐理由比尔·盖茨年度荐书！《终极算法》近20年人工智能领域具轰动性的著作！揭秘机器学习的终极逻辑，全景勾勒人工智能的商业未来。《乔布斯传》作者沃尔特·艾萨克森、图灵奖得主朱迪亚·珀尔、中国大数据领航人车品觉、今日头条首席算法架构师曹欢欢 倾力推荐！　　Google、微软研究院 密切关注！　　如果你先想了解[...]
Transformer模型入门介绍
撰写于：  浏览：926 次  分类：PyTorch 教程
Transformer模型简介《Attention Is All You Need》是一篇Google提出的将Attention思想发挥到极致的论文。这篇论文中提出一个全新的模型，叫 Transformer，抛弃了以往深度学习任务里面使用到的CNN和RNN，这个模型广泛应用于NLP领域，例如机器翻译，问答系统，文本摘要和语音识别等等方向。Trans[...]
调整学习率的利器：torch.optim.lr_scheduler
撰写于：  浏览：1291 次  分类：PyTorch 教程
lr_scheduler 简介torch.optim.lr_scheduler模块提供了一些根据epoch训练次数来调整学习率（learning rate）的方法。一般情况下我们会设置随着epoch的增大而逐渐减小学习率从而达到更好的训练效果。为什么需要调整学习率在深度学习训练过程中，最重要的参数就是学习率，通常来说，在整个训练过层中，学习率不会一[...]
如何理解深度学习中的学习率？
撰写于：  浏览：1609 次  分类：PyTorch 教程
1、什么是学习率？学习率是指导我们在梯度下降法中，如何使用损失函数的梯度调整网络权重的超参数。其数学表达式如下所：new_weight = old_weight - learning_rate * gradient2、学习率的数学本质如上述公式，我们可以看到，学习率类似于微积分中的dx，所以学习率也被称为步长。3、学习率对损失值甚至深度网络的影响？[...]
AdaGrad算法
撰写于：  浏览：1205 次  分类：PyTorch 教程
AdaGrad算法是什么？AdaGrad算法就是将每一个参数的每一次迭代的梯度取平方累加后在开方，用全局学习率除以这个数，作为学习率的动态更新。梯度下降算法、随机梯度下降算法（SGD）、小批量梯度下降算法（mini-batch SGD）、动量法（momentum）、Nesterov动量法有一个共同的特点是：对于每一个参数都用相同的学习率进行更新。但[...]
AdaGrad：自适应梯度算法
撰写于：  浏览：1229 次  分类：PyTorch 教程
AdaGrad是解决不同参数应该使用不同的更新速率的问题。Adagrad自适应地为各个参数分配不同学习率的算法。其公式如下：但是我们发现一个现象，本来应该是随着gradient的增大，我们的学习率是希望增大的，也就是图中的gt；但是与此同时随着gradient的增大，我们的分母是在逐渐增大，也就对整体学习率是减少的，这是为什么呢？这是因为随着我们更[...]
Adam优化器
撰写于：  浏览：1014 次  分类：PyTorch 教程
Adam优化器是深度学习中最流行的优化器之一。它适用于很多种问题，包括带稀疏或带噪声梯度的模型。其易于精调的特性使得它能够快速获得很好的结果，实际上，默认的参数配置通常就能实现很好的效果。Adam 优化器结合了 AdaGrad 和 RMSProp 的优点。Adam 对每个参数使用相同的学习率，并随着学习的进行而独立地适应。此外，Adam 是基于动量[...]
GAN原理介绍
撰写于：  浏览：1228 次  分类：PyTorch 教程
1、GAN原理介绍生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一。模型通过框架中（至少）两个模块：生成模型（Generative Model）和判别模型（Discriminative Model）的互相博弈学习产生相当好的输出。GAN出自[...]
关注公众号，每天学一个AI知识

    友情链接

飞燕网 - 专注于PyTorch  ©  2024   运行时间： 2076天   上线时间：2019年3月19日
飞燕网，最全面的Pytorch教程网！
京ICP备14057001号