-
计算机视觉的量化迁移学习教程（beta）
计算机视觉的量化迁移学习教程（beta） 第 0 部分，先决条件 安装每夜构建 加载数据 可视化一些图像 模型训练的支持函数 可视化模型预测的支持函数 第 1 部分，基于量化特征提取器训练自定义分类器 训练和评估 第 2 部分，微调量化模型 微调模型 计算机视觉的量化迁移学习教程（beta） 原文：https://pytorch.... -
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 原文：https://pytorch.org/tutorials/beginner/blitz/neural_networks_tutorial.html#sphx-glr-beginner-blitz-neural-networks-tutorial-py 可以使用torc... -
强化学习(DQN）教程
强化学习(DQN）教程 重播记忆 (Replay Memory) DQN 算法 Q-network 获取输入 训练 超参数和函数 训练循环 强化学习(DQN）教程 译者：@Lisanaaa 作者 : Adam Paszke 本教程演示如何使用 PyTorch 对任务 CartPole-v0 训练 Deep Q Learnin... -
使用 TensorBoard 可视化模型，数据和训练
使用 TensorBoard 可视化模型，数据和训练 1. TensorBoard 设置 2. 写入 TensorBoard 3. 使用 TensorBoard 检查模型 4. 在 TensorBoard 中添加“投影仪” 5. 使用 TensorBoard 跟踪模型训练 6. 使用 TensorBoard 评估经过训练的模型 使用 Ten... -
词汇嵌入:编码词汇语义
词汇嵌入:编码词汇语义 Getting Dense Word Embeddings(密集字嵌入) Word Embeddings in Pytorch(Pytorch中的单词嵌入） 例子: N-Gram 语言模型 Exercise: Computing Word Embeddings: Continuous Bag-of-Words(练习: 计算单词嵌... -
十五、支持向量机
十五、支持向量机 校准 SVC 中的预测概率 寻找最近邻 寻找支持向量 SVM 不平衡分类 绘制支持向量分类器超平面 使用 RBF 核时的 SVM 参数 Gamma C Gamma Gamma = 0.01 Gamma = 1.0 Gamma = 10.0 Gamma = 100.0 C - 惩罚参数 C = 1 C =... -
使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile
使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile 使用 ONNX 迁移到 SRResNet 在移动设备上运行模型 使用 ONNX 将模型从 PyTorch 迁移到 Caffe2 和 Mobile 译者：@片刻 在本教程中, 我们将介绍如何使用 ONNX 将 PyTorch 中定义的模型转换为 ONNX 格式... -
二、数据准备
二、数据准备 从字典加载特征 加载 scikit-learn 的波士顿住房数据集 加载波士顿住房数据集 加载 scikit-learn 的数字数据集 加载 scikit-learn 的鸢尾花数据集 为分类制作模拟数据 为矩阵生成模拟数据 为回归制作模拟数据 Scikit 中的感知机 保存机器学习模型 二、数据准备 作者：Chris ... -
十一、线性回归
十一、线性回归 添加交互项 创建交互特征 Lasso 回归的 Alpha 的效果 Lasso 回归 线性回归 步骤 Sklearn 线性回归 岭回归 为岭回归选择最佳的 alpha 值 十一、线性回归 作者：Chris Albon 译者：飞龙 协议：CC BY-NC-SA 4.0 添加交互项 # 加载库 fr... -
计算机视觉的迁移学习教程
计算机视觉的迁移学习教程 加载数据 可视化一些图像 训练模型 可视化模型预测 微调 ConvNet 训练和评估 作为固定特征提取器的 ConvNet 训练和评估 进一步学习 计算机视觉的迁移学习教程 原文：https://pytorch.org/tutorials/beginner/transfer_learning_tutoria...
