【NLP实战】基于Bert和双向LSTM的情感分类【下篇】
本文为该系列第三篇文章,也是最后一篇。本文共分为两部分,在第一部分,我们将学习如何使用pytorch lightning保存模型的机制、如何读取模型与对测试集做测试。第二部分,我们将探讨前文遇到的过拟合问题,调整我们的超参数,进行第二轮训练,并对比两次训练的区别。我们还将基于pytorch lightning实现回调函数,保存训练过程中val_loss最小的模型。最后,将我们第二轮训练的best model进行评估,这一次,模型在测试集上的表现将达到排行榜第13位。
【NLP实战】基于Bert和双向LSTM的情感分类【中篇】
本文为该系列第二篇文章,在本文中,我们将学习如何用pytorch搭建我们需要的Bert+Bilstm神经网络,如何用pytorch lightning改造我们的trainer,并开始在GPU环境我们第一次正式的训练。在这篇文章的末尾,我们的模型在测试集上的表现将达到排行榜28名的位置。
【NLP实战】基于Bert和双向LSTM的情感分类【上篇】
本系列将带领大家从数据获取、数据清洗、模型构建、训练,观察loss变化,调整超参数再次训练,并最后进行评估整一个过程。我们将获取一份公开竞赛中文数据,并一步步实验,到最后,我们的评估可以达到排行榜13位的位置。但重要的不是排名,而是我们能在其中学到很多。本文为该系列第一篇文章,在本文中,我们将一同观察原始数据,进行数据清洗。样本是很重要的一个部分,学会观察样本并剔除一些符合特殊条件的样本,对模型在学习时有很大的帮助。
机器学习笔记15——多分类混淆矩阵、F1-score指标详解与代码实现(含数据)
混淆矩阵简介;二分类混淆矩阵;多分类混淆矩阵;准确率、精确率、召回率、特异度;F1-score;示例与代码实现;使用sklearn对比计算结果是否正确
机器学习笔记14——【Softmax多分类 2】代码具体实现与应用(含数据集)
softmax分类器相关公式与步骤;数据集获取;从零开始实现softmax多分类器;使用自己实现的softmax多分类器完成鸢尾花多分类;与sklrean的softmax多分类器作结果对比
机器学习笔记13——【Softmax多分类 1】完整流程与详细公式推导
简介;如何利用softmax对样本进行分类;明确变量与集合;进一步处理;对label向量化;样本特征的加权组合;softmax函数;损失函数;梯度下降;损失函数求偏导的详细推导;softmax多分类模型的训练流程和预测流程。
【matlab图像处理笔记5】【图像变换】(四)图像的正交变换
推荐阅读;前言;图像正交变换简介;离散傅里叶变换;对图像进行离散傅里叶变换的作用;二维离散傅里叶变换;频谱图;示例;离散余弦变换;简介;基本原理;示例
【matlab图像处理笔记4】【图像变换】(三)图像的霍夫变换
推荐阅读;前言;霍夫变换概述;霍夫变换直线检测原理;从笛卡尔坐标系到霍夫空间;两点一线的霍夫空间形式;寻找共线的点;直角坐标系存在的问题;极坐标参数空间下的霍夫变换;matlab霍夫变换直线检测示例;检测步骤;示例以及代码;原图边缘检测;对二值图像霍夫变换;寻找霍夫空间中的交点;在笛卡尔坐标系绘制线段;关于houghlines的补充说明;完整代码
【matlab图像处理笔记3】【图像变换】(二)图像的形态学变换
推荐阅读;前言;形态学变换;简介;数学基础;结构元素;在matlab中创建结构元;腐蚀与膨胀;腐蚀;膨胀;开运算与并运算;开运算;并运算
【matlab图像处理笔记2】【图像变换】(一)图像的算术运算与几何变换、图像插值算法
前言;图像的算术运算;图像相加;图像差分;图像乘法;图像除法;图像的线性组合;图像的几何变换;图像平移;图片镜像;图片转置;图像旋转;图像缩放;图像插值算法;最近邻插值算法;双线性插值算法;单线性插值;双线性插值;双三次插值算法