-
torchvision对象检测微调教程
torchvision 对象检测微调教程 定义数据集 为 PennFudan 编写自定义数据集 定义模型 1-将预训练模型用于微调 2-修改模型以添加其他主干 PennFudan 数据集的实例细分模型 将所有内容放在一起 测试forward() 方法（可选） 总结 torchvision 对象检测微调教程 原文：https://py... -
用字符级RNN分类名称
用字符级RNN分类名称 准备数据 将名字转化为张量 创建网络 训练 准备训练 训练网络 绘制结果 评估结果 在用户输入上运行 练习 用字符级RNN分类名称 译者：@孙永杰 作者 : Sean Robertson 我们将建立和训练一个基本的字符级RNN进行分类单词. 字符级别的RNN将单词读为一系列字符 - 在每个步骤输... -
数据模型
数据模型 21.概念视角 22.物理视角 23.命名空间 23.1.命名空间管理 23.2.预定义的名称空间 24.表 25.行 26.列族 27.单元格 28.数据模型操作 28.1.Get 28.2.Put 28.3.Scan 28.4.Delete 29.版本 29.1.指定要存储的版本数 29.2.版本和 HBase 操... -
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch
通过使用 Flask 的 REST API 在 Python 中部署 PyTorch API 定义 依赖项 简单的 Web 服务器 推断 准备图像 预测 将模型集成到我们的 API 服务器中 后续步骤 通过使用 Flask 的 REST API 在 Python 中部署 PyTorch 原文：https://pytorch.org/t... -
从零开始的 NLP：使用字符级 RNN 生成名称
从零开始的 NLP：使用字符级 RNN 生成名称 准备数据 创建网络 训练 准备训练 训练网络 绘制损失图 网络采样 练习 从零开始的 NLP：使用字符级 RNN 生成名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_generation_tutorial.html ... -
第五章 序列和协程
第五章 序列和协程 5.1 引言 5.2 隐式序列 5.2.1 Python 迭代器 5.2.2 for 语句 5.2.3 生成器和yield 语句 5.2.4 可迭代对象 5.2.5 流 5.3 协程 5.3.1 Python 协程 5.3.2 生产、过滤和消耗 5.3.3 多任务 第五章 序列和协程 来源：Chapter 5... -
从零开始的 NLP：使用字符级 RNN 分类名称
从零开始的 NLP：使用字符级 RNN 分类名称 准备数据 将名称转换为张量 创建网络 训练 准备训练 训练网络 绘制结果 评估结果 在用户输入上运行 练习 从零开始的 NLP：使用字符级 RNN 分类名称 原文：https://pytorch.org/tutorials/intermediate/char_rnn_classif... -
第四章
第四章 数组与哈希表 数组（Array） 创建数组 多维数组 数组迭代 数组索引 数组拷贝 数组比较 数组排序 比较值 数组方法 哈希表（Hash） 创建哈希表 哈希表索引 哈希表拷贝 哈希表排序 哈希表方法 深入探索 以数组方式操作哈希表 附加和连接 矩阵和向量 Sets { "title" ... -
十九、数据整理（上）
十九、数据整理（上） 在 Pandas 中通过分组应用函数 在 Pandas 中向分组应用操作 在 Pandas 数据帧上应用操作 向 Pandas 数据帧赋予新列 将列表拆分为大小为 N 的分块 在 Pandas 中使用正则表达式将字符串分解为列 由两个数据帧贡献列 从多个列表构建字典 将 CSV 转换为 Python 代码来重建它 将分... -
2.7 泛用方法
2.7 泛用方法 2.7.1 字符串转换 2.7.2 多重表示 2.7.3 泛用函数 2.7 泛用方法 来源：2.7 Generic Operations 译者：飞龙 协议：CC BY-NC-SA 4.0 这一章中我们引入了复合数据类型，以及由构造器和选择器实现的数据抽象机制。使用消息传递，我们就能使抽象数据类型直接拥有行为...
