做网站具体流程步骤关键词检索
Pytorch
1.Pytorch基本语法
1.1 认识Pytorch
1.2 Pytorch中的autograd
2.Pytorch初步应用
2.1 使用Pytorch构建一个神经网络
2.2 使用Pytorch构建一个分类器
小节总结
学习了什么是Pytorch.
。Pytorch是一个基于Numpy的科学计算包,作为Numpy的替代者,向用户提供使用GPU强大功能的能力.
做为一款深度学习的平台,向用户提供最大的灵活性和速度。学习了Pytorch的基本元素操作
·矩阵的初始化:
.torch.empty()
torch.rand(n, m)
*torch.zeros(n,m,dtype=torch.long)。其他若干操作:
x.new_ones(n,m, dtype=torch.double)
torch.randn_like(x,dtype=torch.float)
*x.size()
。学习了Pytorch的基本运算操作
。加法操作:
。X+y
.torch.add(x,y)
torch.add(x,y, out=result)
torch.add(x, y, out=result)
.y.add_(x)
。其他若干操作
.x.view()
*x.item(学习了Torch Tensor和Numpy Array之间的相互转换。将Torch Tensor转换为Numpy Array:
.b=a.numpy(
。将NumpyArray转换为Torch Tensor:
b=torch.from_numpy(a)
注意: 所有才CPU上的Tensor, 除了CharTensor,都可以转换为Numpy Array并可以反向转换
学习了任意的Tensors可以用.to0)方法来将其移动到任意设备上
x= x.to(device)
自然语言处理
什么是自然语言处理:
自然语言处理(Natural Language Processing,简称NLP)是计算机科学与语言学中关注于计算机与人类语言间转换的领域.
自然语言处理的应用场景:
语音助手
机器翻译
搜索引擎
智能问答
......
1.1 认识文本预处理
1.2 文本处理的基本方法
jieba的使用
流行中英文分词工具hanlp
命名实体识别
词性标注
小节总结
1.3 文本张量表示方法
1.4 文本数据分析
1.5 文本特征处理
1.6 文本数据增强
附录
新闻主题分类任务
RNN
1.1认识RNN模型
1.2传统RNN模型
1.3 LSTM模型
1.4 GRU模型
1.5 注意力机制
Transformer
第一章:Transformer背景介绍
第二章:Transformer架构解析
第三章:Transformer经典案例
