-
自动求导机制
自动求导机制 从后向中排除子图 requires_grad volatile 自动求导如何编码历史信息 Variable上的In-place操作 In-place正确性检查 自动求导机制 本说明将概述Autograd如何工作并记录操作。了解这些并不是绝对必要的，但我们建议您熟悉它，因为它将帮助您编写更高效，更简洁的程序，并可帮助您进行调... -
神经网络
神经网络 定义网络 损失函数 反向传播 更新权重 神经网络 译者：@小王子 校对者：@李子文 神经网络可以使用 torch.nn 包构建. autograd 实现了反向传播功能, 但是直接用来写深度学习的代码在很多情况下还是稍显复杂, torch.nn 是专门为神经网络设计的模块化接口. nn 构建于 Autograd ... -
十二、逻辑回归
十二、逻辑回归 C 超参数快速调优 在逻辑回归中处理不平衡类别 逻辑回归 大量数据上的逻辑回归 带有 L1 正则化的逻辑回归 OVR 逻辑回归 十二、逻辑回归 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 C 超参数快速调优 有时，学习算法的特征使我们能够比蛮力或随机模型搜索方法更快地搜索... -
五、文本预处理
五、文本预处理 词袋 解析 HTML 移除标点 移除停止词 替换字符 词干提取 移除空白 词性标签 TF-IDF 文本分词 五、文本预处理 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 词袋 # 加载库 import numpy as np from sklea... -
02 打造自己的创新创业新风口
02 打造自己的创新创业新风口 02 打造自己的创新创业新风口 如果需要在未来的商业世界中占有一些之地，对于大多数中小企业和创业型企业来说就是利用OpenAI（或者其他企业）的接口和自己手里的数据形成一个小领域的优势。这可能就属于一个“多快好省干创业”的好机会。除了上一个话题中提到的OpenAI公司已经做好的一些示例接口以外，还可以使用微调训练（Fin... -
三、数据预处理
三、数据预处理 为 Scikit-Learn 转换 Pandas 类别数据 删除带缺失值的观测 删除缺失值 检测离群点 离散化特征 编码序数类别特征 创建比例映射 使用下采样处理不平衡类 使用上采样处理不平衡类别 处理离群点 选择 1：丢弃 选择 2：标记 选择 3：重缩放 使用均值填充缺失值 拟合填充器 填充缺失的类标签 ... -
数据建模-数据集加载
数据建模-数据集加载 undefined数据建模-数据集加载 undefined利用Open CV2 读取、加载数据集 undefined零、准备 undefined一、加载 【包含"深度学习模型加载自定义数据集的典型步骤"】 undefined二、设置 undefined三、划分 数据建模-数据集加载 undefined数据建模-... -
torchvision.datasets
torchvision.datasets MNIST COCO LSUN ImageFolder Imagenet-12 CIFAR STL10 SVHN PhotoTour 译者署名 torchvision.datasets torchvision.datasets 中包含了以下数据集 MNIST COCO（用于图像标注和目... -
十四、K 最近邻
十四、K 最近邻 确定 K 的最佳值 KNN 分类 注 基于半径的 KNN 分类器 十四、K 最近邻 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 确定 K 的最佳值 # 加载库 from sklearn . neighbors import KNeighborsClassif... -
空间转换网络 (Spatial Transformer Networks) 教程
空间转换网络 (Spatial Transformer Networks) 教程 读数据 描述空间转换网络 (spatial transformer networks) 训练模型 可视化空间转换网络 (STN) 的结果 空间转换网络 (Spatial Transformer Networks) 教程 译者：@Twinkle 原作者 :...
