Les deux PyTorch et tensorflow Fold sont des cadres d'apprentissage en profondeur destinés à faire face aux situations où les données d'entrée a une longueur non uniforme ou les dimensions (qui est, des situations où des graphiques dynamiques sont utiles ou nécessaires). Je voudrais savoir comment...
Je suis nouveau sur pytorch et j'ai commencé avec ce code github. Je ne comprends pas le commentaire de la ligne 60-61 du code "because weights have requires_grad=True, but we don't need to track this in autograd". J'ai compris que nous mentionnons requires_grad=Trueles variables dont nous avons...
J'ai un ensemble de données avec 3 classes avec les éléments suivants: Classe 1: 900 éléments Classe 2: 15 000 éléments Classe 3: 800 éléments Je dois prédire les classes 1 et 3, qui signalent des écarts importants par rapport à la norme. La classe 2 est le cas «normal» par défaut dont je me fiche....
Google a récemment inclus dans tensorflow's nightly builds son Eager mode, une API impérative pour accéder aux capacités de calcul tensorflow. Comment tensorflow désireux se compare-t-il à PyTorch? Certains aspects qui pourraient affecter la comparaison pourraient être: Avantages et inconvénients...
J'essaie de former un seul perceptron (1000 unités d'entrée, 1 sortie, pas de couches cachées) sur 64 points de données générés de manière aléatoire. J'utilise Pytorch en utilisant l'optimiseur Adam: import torch from torch.autograd import Variable torch.manual_seed(545345) N, D_in, D_out = 64,...
Je voudrais utiliser les ANN pour mon problème, mais le problème est que mes numéros de nœuds d'entrées et de sorties ne sont pas fixes. J'ai fait une recherche Google avant de poser ma question et j'ai découvert que le RNN peut m'aider avec mon problème. Mais, tous les exemples que j'ai trouvés...