torch.normal()的用法该函数原型如下：normal(mean, std, *, generator=None, out=None)该函数返回从单独的正态分布中提取的随机数的张量，该正态分布的均值是mean，标准差是std。用法如下：我们从一个标准正态分布N～(0,1)，提取一个2x2的矩阵torch.normal(mean=0.,std=1.,size=(2,2))我们也可以让每一个值

深度学习进阶：自然语言处理入门第1章　神经网络的复习1.1 数学和Python的复习1.1.1  向量和矩阵1.1.2  矩阵的对应元素的运算1.1.3  广播1.1.4  向量内积和矩阵乘积1.1.5  矩阵的形状检查1.2 神经网络的推理1.2.1  神经网络的推理的全貌图激活函数输出层和激活函数 代码1.2.2  层的类化及正向传播的实现两层神经网络 (简单的只有正向传播，没有反向传播)1.

文章目录一、交叉验证二、K折交叉验证1、KFold()方法二、StratifiedKFold()方法一、交叉验证交叉验证的基本思想是把在某种意义下将原始数据(dataset)进行分组,一部分做为训练集(train set),另一部分做为验证集(validation set or test set),首先用训练集对分类器进行训练,再利用验证集来测试训练得到的模型(model),以此来做为评价分类器的

第5章 RNN（1）前言第5章 RNN5.1 概率和语言模型5.1.1  概率视角下的word2vec5.1.2  语言模型5.1.3  将CBOW模型用作语言模型？第5章 RNN​到 目 前 为 止， 我 们 看 到 的 神 经 网 络 都 是前 馈 型 神 经 网 络。前 馈 （feedforward）是指网络的传播方向是单向的。具体地说，先将输入信号传 给下一层（隐藏层），接收到信号的层也同

镜像地址：http://npm.taobao.org/mirrors/python/

Python深度学习基于PyTorch第4章 Pytorch数据处理工具箱4.1 数据处理工具箱概述4.2 utils.data简介4.3 torchvision简介4.3.1 transforms4.3.2 ImageFolder4.4 可视化工具4.4.1 tensorboardX简介4.4.2用tensorboardX可视化神经网络4.4.3用tensorboardX可视化损失值4.4.4用

第3章 Pytorch神经网络工具箱这章将介绍Pytorch的另一利器：神经网络工具箱。利用这个工具箱，设计一个神经网络就像搭积木一样，可以极大简化我们构建模型的任务。3.1 神经网络核心组件神经网络看起来很复杂，节点很多，层数多，参数更多。但核心部分或组件不多，把这些组件确定后，这个神经网络基本就确定了。这些核心组件包括：（1）层：神经网络的基本结构，将输入张量转换为输出张量。（2）模型：层构成

深度学习进阶：自然语言处理入门第2章 自然语言和单词的分布式表示2.1 什么是自然语言处理单词含义2.2 同义词词典2.2.1  WordNet2.2.2  同义词词典的问题2.3 基于计数的方法（*）2.3.1  基于 Python的语料库的预处理语料库的准备工作 ,处理实现为 preprocess() 函数2.3.2  单词的分布式表示2.3.3  分布式假设2.3.4  共现矩阵共现矩阵的函

文章目录Xgboost实战二分类1 xgboost的基本使用2 交叉验证 xgb.cv3 调整样本权重4 自定义目标函数（损失函数）5 用前n棵树做预测 ntree_limit6 画出特征重要度 plot_importance7 同样，也可以用sklearn的GridSearchCV调参Xgboost实战二分类1 xgboost的基本使用# 0 1:1 9:1 19:1 21:1 24:1 34:

深度学习进阶：自然语言处理入门第2章 自然语言和单词的分布式表示2.1 什么是自然语言处理单词含义2.2 同义词词典2.2.1  WordNet2.2.2  同义词词典的问题2.3 基于计数的方法（*）2.3.1  基于 Python的语料库的预处理语料库的准备工作 ,处理实现为 preprocess() 函数2.3.2  单词的分布式表示2.3.3  分布式假设2.3.4  共现矩阵共现矩阵的函