qchenjie's repositories
CMeKGCrawler
Medical Graph for Neo4j
DALLE2-pytorch
Implementation of DALL-E 2, OpenAI's updated text-to-image synthesis neural network, in Pytorch
leetcode
抖码课堂上
LSTM
关于LSTM一些笔记
kaggle
部分代码
fashtion_mnist
# X:[256,784], W:[784,10] ,b:[10] ,这样得出的y_hat就是[256,10] # 即256个样本,每一行10个类别对应着10个结果的概率(其中每一行加起来等于1) # 在动手学深度学习中,有句话,交叉嫡只关心对正确类别的预测概率,因为只要其值足够大,就能保证分类是正确的 # y_hat.gather(1, y.view(-1, 1)) 是一个[256,1] 即存着正确分类的概率,那为什么要加上负号呢 # torch.log(torch.Tensor([0.0829]))=-2.4901 # torch.log(torch.Tensor([0.9]))=-0.1054 我们的目的是出现更多的0.9以上的概率(小于1)这样得出值更大 # 加上负号之后就是能让值更小了,还理解不清楚的话就是他们的作用都是离0更近了
st-gcn
ST-GCN-5-25
Image-Caption-Generator
Generating Descriptions of image using CNN and RNN.
DeepLearning-500-questions
深度学习500问,以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述,以帮助自己及有需要的读者。 全书分为15个章节,近20万字。由于水平有限,书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作,联系scutjy2015@163.com 版权所有,违权必究 Tan 2018.06