📅  最后修改于: 2020-12-10 05:19:54        🧑  作者: Mango

PyTorch是一个针对Python的开源机器学习库，完全基于Torch。它主要用于自然语言处理之类的应用程序。 PyTorch是由Facebook的人工智能研究小组与Uber的“ Pyro”软件一起开发的，用于内置概率编程的概念。本教程是为专注于使用机器学习算法以及自然语言处理系统进行研发的Python开发人员准备的。本教程的目的是完整描述PyTorch的所有概念及其真实示例。先决条件在继续本教...

📅  最后修改于: 2020-12-10 05:20:13        🧑  作者: Mango

PyTorch被定义为Python的开源机器学习库。它用于自然语言处理之类的应用程序。它最初是由Facebook人工智能研究小组和基于它的Uber概率编程Pyro软件开发的。最初，PyTorch由Hugh Perkins开发，是基于Torch框架的LusJIT的Python包装器。有两种PyTorch变体。PyTorch重新设计并在Python实现Torch，同时为后端代码共享相同的核心C库。 P...

📅  最后修改于: 2020-12-10 05:20:29        🧑  作者: Mango

PyTorch是一种流行的深度学习框架。在本教程中，我们将“ Windows 10”作为操作系统。成功进行环境设置的步骤如下-第1步以下链接包括软件包列表，其中包括适用于PyTorch的软件包。https://drive.google.com/drive/folders/0B-X0-FlSGfCYdTNldW02UGl4MXM您需要做的就是下载相应的软件包并按照以下屏幕截图所示安装它-第2步它涉及...

📅  最后修改于: 2020-12-10 05:20:46        🧑  作者: Mango

数学对于任何机器学习算法都是至关重要的，它包括数学的各种核心概念，以得到以特定方式设计的正确算法。下面提到数学主题对机器学习和数据科学的重要性-现在，让我们专注于机器学习的主要数学概念，这从自然语言处理的角度来看很重要-向量向量被认为是连续或离散的数字数组，由向量组成的空间称为向量空间。向量的空间尺寸可以是有限的，也可以是无限的，但是已经观察到机器学习和数据科学问题涉及固定长度的向量。向量表示如下...

📅  最后修改于: 2020-12-10 05:21:07        🧑  作者: Mango

神经网络的主要原理包括基本元素的集合，即人工神经元或感知器。它包括几个基本输入，例如x1，x2…..xn，如果总和大于激活电位，它将产生一个二进制输出。下面提到了样本神经元的示意图-产生的输出可以被认为是具有激活电位或偏置的加权和。$$ Output = \ sum_jw_jx_j + Bias $$下面描述了典型的神经网络架构-输入和输出之间的层称为隐藏层，并且层之间连接的密度和类型是配置。例如...

📅  最后修改于: 2020-12-10 05:21:23        🧑  作者: Mango

如今，人工智能的趋势越来越大。机器学习和深度学习构成了人工智能。下面提到的维恩图说明了机器学习和深度学习之间的关系。机器学习机器学习是一门科学技术，它允许计算机按照设计和编程的算法运行。许多研究人员认为，机器学习是在人类级AI上取得进步的最好方法。它包括各种类型的模式，例如-监督学习模式无监督学习模式深度学习深度学习是机器学习的一个子领域，其中相关算法受称为人工神经网络的大脑结构和函数的启发。深度...

📅  最后修改于: 2020-12-10 05:21:38        🧑  作者: Mango

在本章中，我们将讨论机器学习和深度学习概念之间的主要区别。数据量机器学习使用不同数量的数据，并且主要用于少量数据。另一方面，如果数据量迅速增加，则深度学习将有效地工作。下图描述了关于数据量的机器学习和深度学习的工作-硬件依赖性与传统的机器学习算法相反，深度学习算法被设计为严重依赖高端机器。深度学习算法执行大量矩阵乘法运算，这需要强大的硬件支持。特征工程特征工程是将领域知识放入指定特征中的过程，以降...

📅  最后修改于: 2020-12-10 05:22:01        🧑  作者: Mango

PyTorch具有创建和实现神经网络的特殊功能。在本章中，我们将创建一个简单的神经网络，其中一个隐藏层开发单个输出单元。我们将使用以下步骤来使用PyTorch实现第一个神经网络-第1步首先，我们需要使用以下命令导入PyTorch库-第2步定义所有层和批次大小以开始执行神经网络，如下所示-第三步由于神经网络包含输入数据的组合以获取相应的输出数据，因此我们将遵循以下相同的步骤-第4步借助内置函数创建顺...

📅  最后修改于: 2020-12-10 05:22:15        🧑  作者: Mango

训练深度学习算法涉及以下步骤-建立数据管道建立网络架构使用损失函数评估架构使用优化算法优化网络架构权重训练特定的深度学习算法是将神经网络转换为功能块的确切要求，如下所示-关于上图，任何深度学习算法都涉及获取输入数据，构建各自的架构，其中包括嵌入其中的一堆层。如果您观察上面的图表，则使用损失函数评估精度，以优化神经网络的权重。...

📅  最后修改于: 2020-12-10 05:22:32        🧑  作者: Mango

在本章中，我们将讨论PyTorch中一些最常用的术语。PyTorch NumPyPyTorch张量与NumPy数组相同。张量是n维数组，相对于PyTorch，它提供了许多在这些张量上运行的功能。PyTorch张量通常利用GPU来加速其数值计算。这些在PyTorch中创建的张量可用于使两层网络适合随机数据。用户可以手动实现通过网络的前进和后退。变量和Autograd使用autograd时，网络的正向...

📅  最后修改于: 2020-12-10 05:22:47        🧑  作者: Mango

PyTorch包含一个名为torchvision的软件包，该软件包用于加载和准备数据集。它包括两个基本功能，即Dataset和DataLoader，它们有助于数据集的转换和加载。数据集数据集用于从给定的数据集中读取和转换数据点。下面提到要实现的基本语法-DataLoader用于混洗和批处理数据。它可用于与多处理工作者并行加载数据。示例：加载CSV文件我们使用Python软件包Panda加载csv文...

📅  最后修改于: 2020-12-10 05:23:08        🧑  作者: Mango

在本章中，我们将重点介绍使用TensorFlow实现线性回归的基本示例。 Logistic回归或线性回归是一种有监督的机器学习方法，用于对离散量类别进行分类。本章的目标是建立一个模型，用户可以通过该模型来预测预测变量和一个或多个自变量之间的关系。这两个变量之间的关系被认为是线性的，即，如果y是因变量，而x被视为自变量，则两个变量的线性回归关系将看起来像下面提到的方程式-接下来，我们将设计用于线性回...

📅  最后修改于: 2020-12-10 05:23:34        🧑  作者: Mango

深度学习是机器学习的一部分，被认为是近几十年来研究人员迈出的关键一步。深度学习实现的示例包括图像识别和语音识别等应用。下面给出了深度神经网络的两种重要类型-卷积神经网络递归神经网络。在本章中，我们将重点介绍第一种类型，即卷积神经网络(CNN)。卷积神经网络卷积神经网络旨在通过多层阵列处理数据。这种类型的神经网络用于诸如图像识别或面部识别之类的应用中。CNN与任何其他普通神经网络之间的主要区别在于，...

📅  最后修改于: 2020-12-10 05:23:58        🧑  作者: Mango

递归神经网络是一种遵循顺序方法的面向深度学习的算法。在神经网络中，我们始终假设每个输入和输出都独立于所有其他层。这些类型的神经网络称为递归，因为它们以顺序的方式执行数学计算，从而完成一项任务。下图指定了递归神经网络的完整方法和工作方式-在上图中，将c1，c2，c3和x1视为输入，其中包括一些隐藏的输入值，即分别传递o1输出的h1，h2和h3。现在，我们将重点介绍如何在递归神经网络的帮助下实现PyT...

📅  最后修改于: 2020-12-10 05:24:14        🧑  作者: Mango

在本章中，我们将重点关注torchvision.datasets及其各种类型。 PyTorch包括以下数据集加载器-MNISTCOCO(字幕和检测)数据集包含以下给出的两种功能中的大多数-变换-接收图像并返回标准内容的修改版本的函数。这些可以与转换一起组成。Target_transform-一个获取目标并对其进行转换的函数。例如，接受标题字符串并返回世界索引的张量。MNIST以下是MNIST数据集...