PyTorch 库用于深度学习。深度学习模型的一些应用可用于解决回归或分类问题。在本教程中，您将了解如何使用 PyTorch 为多类分类问题开发和评估神经网络模型。完成此分步教程后，您将知道：如何加载数据 [...]
作者归档 | Adrian Tam
如何评估 PyTorch 模型的性能
设计深度学习模型有时是一门艺术。有很多决策点，很难说哪种是最好的。一种设计方法是通过反复试验并在真实数据上评估结果。因此，有一个科学的 [...] 很重要。
为 PyTorch 模型创建训练循环
PyTorch 提供了许多深度学习模型的构建模块，但训练循环不是其中之一。它是一种灵活性，允许您在训练期间做任何您想做的事情，但某些基本结构在大多数用例中是通用的。在本文中，您将看到如何创建一个 [...]
使用 PyTorch 分步开发您的第一个神经网络
PyTorch 是一个用于构建深度学习模型的强大 Python 库。它提供了定义和训练神经网络并用于推理所需的一切。您无需编写太多代码即可完成所有这些工作。在这篇文章中，您将发现如何创建您的第一个深度学习神经网络模型 [...]
在 PyTorch 中构建多层感知器模型
PyTorch 库用于深度学习。深度学习实际上只是大规模神经网络或多层感知机网络的另一个名称。在其最简单的形式中，多层感知机是串联连接的一系列层。在本文中，您将发现可以用于创建神经网络和简单的 [...] 的基本组件。
使用 PyTorch 的 Autograd 解决回归问题
我们通常使用 PyTorch 构建神经网络。但是，PyTorch 不仅仅限于此。因为 PyTorch 也是一个具有自动微分功能的张量库，所以您可以使用它轻松地通过梯度下降解决数值优化问题。在本文中，您将学习 PyTorch 的自动微分引擎 autograd 的工作原理。之后 [...]
在PyTorch中操作张量
PyTorch 是一个深度学习库。与其他一些深度学习库一样，它对称为张量的数值数组执行操作。简单来说，张量就是多维数组。在处理张量时，有些操作的使用频率非常高。在 PyTorch 中，有一些函数专门用于处理张量。在 [...]
使用注意力机制构建 Transformer 模型速成课程。在 12 天内构建一个神经机器翻译器
Transformer 是神经机器翻译的最新突破。自然语言很复杂。一种语言中的一个词可以根据上下文翻译成另一种语言中的多个词。但是，什么是上下文，以及如何教会计算机理解上下文是一个很大的问题。发明 [...]
BERT 简介
正如我们了解了 Transformer 是什么以及如何训练 Transformer 模型，我们发现它是使计算机理解人类语言的绝佳工具。但是，Transformer 最初被设计为将一种语言翻译成另一种语言的模型。如果我们将其用于不同的任务，我们将 [...]
使用 Keras 预处理层和 tf.image 进行图像增强
当您处理与图像相关的机器学习问题时，您不仅需要收集一些图像作为训练数据，还需要采用增强技术来创建图像变化。对于更复杂的对象识别问题尤其如此。图像增强有很多方法。您可能会 [...]