【PyTorch与深度学习】5、深入剖析PyTorch DataLoader源码
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，此节课很详细，笔记记的比较粗 1. DataLoader 1.1 DataLoader类实现 1.1.1 构造函数__init__实现 构造函数有如下参数： dataset：传入自己定义好的数据集类Datasetbatch_size：默认值为1，它代表着每批次训练的样本的个数shuffle：布尔类型...
【深度学习实战（29）】后处理之NMS（非极大值抑制）
一、NMS工作原理 NMS 的工作原理： 置信度排序：对于每个类别，NMS 首先根据每个边界框的置信度（即预测框中含有目标的概率）进行排序。选择最高置信度框：从置信度最高的边界框开始，将其作为当前考虑的“最大”候选。计算交并比（IoU）：计算当前最大候选与所有其他边界框的交并比（Intersection over Union）。IoU 是两个边界框交集面积与并集面积的比值，用于衡量边界框之间的重叠程度。...
PyTorch与NLP：自然语言处理的深度学习实践
如何看待AIGC技术？ 目录 如何看待AIGC技术？ 一、引言 二、PyTorch与深度学习基础 2.1 PyTorch概述 2.2 深度学习基础 三、自然语言处理基础 3.1 文本表示 3.2 常见NLP任务 四、PyTorch在NLP中的应用 4.1 文本预处理 4.2 模型搭建 4.3 模型训练与评估 五、案例实践 5.1 情感分析 5.2 命名实体识别 六、进阶与扩展 6.1 模型优化 6.2 迁...
计算机毕业设计hadoop+spark+hive美食推荐系统 知识图谱美团餐厅推荐系统 美团推荐系统 美食价格预测 美团爬虫 美食数据分析 美食可视化大屏 机器学习 深度学习 人工智能 大数据毕业设计
毕业论文（设计）开题报告 核心算法代码分享如下： 在yarn-site.xml中加入如下配置：<property> <name>yarn.nodemanager.resource.memory-mb</name> <value>20480</value> </property> <property> <name>yarn.scheduler.minimum-allocation-mb</name> <v...
【PyTorch与深度学习】4、PyTorch的Dataset与DataLoader详细使用教程
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，这个课还是讲的简略，我半小时的课听了一个半小时。 1. Dataset与DataLoader Dataset类是处理单个训练样本的，也就是它是实现如何从磁盘中读取训练数据集，包括它的标签，还会做一些数据预处理，最后变成x和y的训练对象。（构建数据集） DataLoader：我们通过Dataset读取...
【深度学习基础（1）】什么是深度学习，深度学习与机器学习的区别、深度学习基本原理，深度学习的进展和未来
文章目录 一. 深度学习概念二. 深度学习与机器学习的区别三. 理解深度学习的工作原理1. 每层的转换进行权重参数化2. 怎么衡量神经网络的质量3. 怎么减小损失值 四. 深度学习已取得的进展五. 人工智能的未来 - 不要太过焦虑跟不上 一. 深度学习概念 先放一张图来理解下人工智能、机器学习、神经网络和深度学习之间的关系。 深度学习是机器学习的一个分支领域：它从数据中学习表示，强调从连续的层中学习...
在图像处理领域，机器学习方法和深度学习方法的优势
在图像处理领域，机器学习方法和深度学习方法都被广泛应用，但两者有一些不同点和各自的优势。 机器学习 机器学习方法是利用数据和统计学方法来构建模型和算法，从而对图像进行分类、分割、特征提取等任务。常见的机器学习方法包括支持向量机（SVM）、随机森林（Random Forest）、决策树等。它们通常需要手动选择和提取图像的特征，然后通过训练模型来学习特征与标签之间的关系。机器学习方法的优点是对于小规模数据集...
【PyTorch与深度学习】3、PyTorch张量的运算API（下）
课程地址 最近做实验发现自己还是基础框架上掌握得不好，于是开始重学一遍PyTorch框架，这个是课程笔记，这个课还是讲的简略，我半小时的课听了一个半小时。 1. PyTorch的数据类型 浮点数计算方式详见IEEE 754二进制浮点数算术标准百度百科，实际炼丹的时候注意一下就行，不用细究，主要是精度不同。 2. 张量操作 （1）take：返回一个新张量，其元素为给定索引处的输入。输入张量被视为1-D张量...
【深度学习基础（2）】深度学习之前：机器学习简史
文章目录 一. 深度学习的起源1. 概率建模--机器学习分类器2. 早期神经网络--反向传播算法的转折3. 核方法 -- 忽略神经网络4. 决策树、随机森林和梯度提升机5. 神经网络替代svm与决策树 二. 深度学习与机器学习有何不同 可以这样说，当前工业界所使用的大部分机器学习算法不是深度学习算法。深度学习不一定总是解决问题的正确工具：有时没有足够的数据，深度学习不适用；有时用其他算法可以更好地解决问...
深度学习模型Deep Learning Model
什么是深度学习？？ 深度学习模型的核心特点包括： 深度学习的发展史 总结： 当我们说深度学习模型时，我们在谈论一种特殊的计算机程序，它们可以像人类大脑一样学习和理解数据。这些程序被称为“深度学习”模型，因为它们由很多层次（或称为深度）组成，每一层都会逐步学习更加抽象和复杂的概念。让我用一个比喻来解释：想象你正在学习做一个汉堡包，你需要逐步学习每一个步骤，比如烤面包、煎牛肉饼、加上蔬菜和酱料等等。深度...