
前言本章节主要介绍如何使用torch.utils.data 中的Dataset和Dataloader来构建数据集, 重点要看使用细节DataSettorch.utils.data.Dataset功能 : Dataset抽象;类, 所有自定义的Dataset都需要继承他, 并重写相应的方法getite
《Pytorch学习指南》- 基础API(3)
1. Pytorch的统计学函数import torchfor module in torch,: print(module.__name__, module.__version__)torch 1.9.1+cpu1.1 均值与最大最小值torch.mean() 返回平均值torch.sum(
《Pytorch学习指南》- 基础API(2)
1. inplace和广播机制in-place 操作就地操作, 不适用临时变量, 比如 a.add_(b) = a + b => 计算结果直接赋值给 a 等价于 a += b广播机制张量参数可以自动的扩展为相同的大小广播机制满足的条件每个张量至少有一个维度满足右对齐 :例如 torch.ran
《Pytorch学习指南》- 基础API(1)
1. PytorchTensor Base1.1 torch.tensor1.2 torch.Tensor1.3 torch.empty1.4 torch.zeros1.5 torch.zeros_like1.6 torch.eye1.7 torch.ones1.8 torch.ones_like1
《数据科学基础技能》- 初识matplotlib
Task1 初识matplotlib本章节知识点导入模块: import matplotlib.pyplot as plt/import numpy as np定义图像窗口:plt.figure()画图:plt.plot(x,y)定义坐标轴范围:plt.xlim()/plt.ylim()定义坐标轴名
《自然语言处理》- Jieba分词器的使用
1. jieba 中文分词处理import jiebatext = "大部分情况下,词汇是我们对句子和文章理解的基础,因此需要一个工具去把完整的文本中分解成粒度更细的词。"cut_result = jieba.cut(text, cut_all=True) # 全模式print
《深度学习》- 二次回归和线性回归的拟合效果的对比
1. 二次回归和线性回归的拟合效果的对比import numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LinearRegressionfrom sklearn.preprocessing impor
《自然语言处理》- Python正则表达式
1. Python 正则表达式1.1 正则表达式语法1.2 正则表达式工具在线验证工具正则练习工具2. Python案例Re 模块使用re的一般步骤是将正则表达式的字符串形式编译为 Pattern 实例使用 Pattern 实例处理文本并获得匹配结果(一个 Match 实例)使用 Match 实例获
《自然语言处理》- 字符串常用操作
1. 字符串操作1.1 去空格和特殊符号strip() 去除两端的空格lstrip() 去除左边空格lstrip(str) 去除左边以 str 开头的部分, 必须完全匹配rstrip() 去除右边空格rstrip(str) 去除右边以 str 结尾的部分, 必须完全匹配s = ' hello , w
NLTK - 通用词下载
1. 停用词下载NLTK : https://www.nltk.org/data.html停用词下载地址 : http://www.nltk.org/nltk_data/2. 安装将下载后的 stopwords 放在虚拟环境的指定位置, nltk_data 和 corpora 是需要自己创建的3.