1 背景近期在学习torchtext相关内容，但是当前网络上相关的中文文档较少，一些博文描述的不是很详细，pytorch官方也打不开，于是在github下载了源码，看看github有没有相关的官方文档。对于一些github上的项目，我们通常看到的readme是md形式的，然而下载torchtext之后，发现并没有readme.md文件，到是有一个readme.rst的文件，并且能够在github上

绘制流程图是很多人经常会使用到的。人嘛总是想着简单、免费、跨平台等等，并且能够导出多种结果（包括矢量图），对于程序员来说，如果能有以上功能融入到vscode中那就太妙了。流程图工具介绍先说一下https://www.draw.io/，现在已经更名https://app.diagrams.net/ ，打开后如下：常用的功能都有。1.支持流程图，时序图，UML图等2.可以导出的格式如下：导出的pdf文

在这里使用前馈神经网络和反向传播的方式对数据进行分类。这也是神经网络最基础的部分，刚了解相关内人的话，还是比较难的，特别是在公式推导中。在本部分中，构建一个神经网络分类模型，就可以对手写数字进行识别，无需构建多个二分类模型。视频讲解：彻底搞定机器学习算法理论与实战——神经网络入门-NeuralNetworks...

背景有时候我们写完深度学习模型后，想看看代码实现的模型和我们预期是否一致，但是没有一个好的工具。最近发现有一个软件Netron支持对一部分深度学习模型可视化，源码地址。Netron 支持 ONNX、TensorFlow Lite、Caffe、Keras、Darknet、PaddlePaddle、ncnn、MNN、Core ML、RKNN、MXNet、MindSpore Lite、TNN、Barra

原创公众号(谢谢支持)：AIAS编程有道背景很多同学想学习深度学习，但是无奈自己的机器老旧，要么显卡老旧，要么不是Nvidia的显卡，有的甚至没有显卡。没有GPU加速，深度学习还怎么玩？乖乖，怎么能够抵挡我成为一名学霸呢。办法总比困难多，来薅一下资本主义羊毛吧，那就是google的Colab notebooks。jupyter notebook想必大家不陌生，如果你不知道的话，还搞啥深度学习！！！

当然，这种使用warmup和decay的learning rate schedule大多是在bert这种预训练的大模型的微调应用中遇见的。如果是做自然语言处理相关任务的，transformers已经封装了好几个带有warmup 和 decay的lr schedule。如果不是做研究的话，这些已经封装的lr schedule直接拿来用即可。当然也可以使用pytorch中的相关模块自定义。

文章目录前言1 卷积神经网络简介2 卷积层2.1 卷积核2.2 步幅2.3 填充2.4 激活函数3 池化层4 全连接层和输出层总结前言众所周知，卷积神经网络(Convolutional Neural Network， CNN)通常是被用在图像识别领域的，其实还可以应用与语音识别，文本分类等多个领域。写这篇文章主要是为了介绍TextCnn文本分类模型，当然也会详细介绍CNN的具体内容，并辅以相关的案

当然，这种使用warmup和decay的learning rate schedule大多是在bert这种预训练的大模型的微调应用中遇见的。如果是做自然语言处理相关任务的，transformers已经封装了好几个带有warmup 和 decay的lr schedule。如果不是做研究的话，这些已经封装的lr schedule直接拿来用即可。当然也可以使用pytorch中的相关模块自定义。

前言最近看到window10开机壁纸特别好看，想去保存下来，查到其源文件的路径如下：C:\Users\JackPi\AppData\Local\Packages\Microsoft.Windows.ContentDeliveryManager_cw5n1h2txyewy\LocalState\Assets其中JackPi为用户名称。如果没有发现AppData，在JackPi目录下，把隐藏的文...

前言前文已经介绍了TextCNN的基本原理，如果还不熟悉的建议看看原理：【深度学习】textCNN论文与原理。为了便于演示文本textCNN在文本分类上的应用，实验选择的数据集是开源的IMDB Dataset(IMDB数据集)，该数据集包含用于自然语言处理或文本分析的5万条影评。这是用于情绪二分类的数据集，包括用于训练的25000条观点鲜明的影评和用于测试的25000条影评。对于词向量，我们使用p