机器学习

白天 夜间 首页 下载 阅读记录
  我的书签   添加书签   移除书签

Pytorch的使用

浏览 126 扫码 分享 2022-07-22 22:48:59
  • 如何自定义层？
  • 参数管理
  • 定义训练函数和测试函数
  • 定义优化器和目标函数
  • 数据加载器
  • 如何自定义网络
  • torch 的下标索引
  • pytorch 的广播机制

若有收获，就点个赞吧

0 人点赞

上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 综述
  • 绪论
    • 1.6应用现状
    • 1.5 发展历程
    • 1.4 归纳偏好
    • 1.3假设空间
    • 1.2 基本术语
    • 1.1引言
  • 如何处理数据
    • 数据增广
    • Batchnormalition
    • 样本平均
    • 不平衡数据处理
  • 神经网络
    • 优化算法
      • 解决梯度问题
      • 模型初始化
      • 激活函数
      • 反向传播
      • 随机梯度下降
    • 注意力机制
      • 注意力分数
      • 注意力提示
    • 前馈神经网络
      • softmax 回归
    • 循环神经网络
      • 现代循环神经网络
        • 双向循环网络
        • 深度循环网络
        • 长短期神经网络（LSTM）
        • 门控循环单元(GRU)
      • 循环神经网络
        • 示例：计算掩码加法
      • 语言模型
      • 序列模型
    • 自然语言处理
      • Spacy
      • 序列表达
    • 卷积神经网络
      • 残差神经网络
      • Locality
      • Translation invariance
      • 神经网络图形分类
      • 经典神经网络
      • 多输入和输出通道
      • 填充和步幅
      • 卷积层与池化层
    • Pytorch的使用
      • 如何自定义层？
      • 参数管理
      • 定义训练函数和测试函数
      • 定义优化器和目标函数
      • 数据加载器
      • 如何自定义网络
      • torch 的下标索引
        • numpy 二维下标索引
      • pytorch 的广播机制
  • 模型与参数估计
    • 过拟合与欠拟合
    • Bagging
    • K折交叉验证法
    • 评价方法
    • 线性空间
    • 线性模型
  • 有监督学习
    • 判别模型
      • K近邻（KNN）
      • 决策树
        • C4.5算法
        • ID3算法
        • 实现代码
      • 支持向量机
      • 对数几率回归（逻辑回归）
      • 线性回归
    • 生成模型
      • 朴素贝叶斯
    • 生成模型和判别模型
    • Sklearn中调用不同的模型
    • 稀疏表达分类
  • 无监督学习
    • K-means
暂无相关搜索结果！

    让时间为你证明

    展开/收起文章目录

    分享，让知识传承更久远

    文章二维码

    手机扫一扫，轻松掌上读

    文档下载

    请下载您需要的格式的文档，随时随地，享受汲取知识的乐趣！
    PDF文档 EPUB文档 MOBI文档

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度
        思维导图备注