作者查詢 / bulc381

總覽項目：發文 | 留言 | 暱稱

作者 bulc381 在 PTT [ DataScience ] 看板的留言(推文), 共25則

限定看板：DataScience

看板排序：

全部DataScience25Soft_Job6C_Chat3Foreign_Inv3FATE_GO2FBG2home-sale2MoveHouse1Stock1<< 收起看板(9)

首頁

尾頁

[問題] pytorch LSTM output

[ DataScience ]18 留言, 推噓總分: +1

作者: clansoda - 發表於 2019/07/27 11:41(6年前)

1^F推bulc381: hs.view(num_layers, 2, batch, hidden_size)[-1]07/27 16:05

2^F→bulc381: 拿出來就會是forward的最後一個state + backward第一個07/27 16:05

3^F→bulc381: output.view(length, batch, 2, hidden_dim)[-1, :, 0,:]07/27 16:06

4^F→bulc381: output.view(length, batch, 2, hidden_dim)[0, :, 1,:]07/27 16:06

5^F→bulc381: 等於上面這兩個的concatenation07/27 16:06

6^F→bulc381: 文件在outputs的那個段落有提到該怎麼reshape:07/27 16:07

7^F→bulc381: https://pytorch.org/docs/stable/nn.html#torch.nn.LSTM07/27 16:07

8^F→bulc381: torchtext的話可能可以爬爬看OpenNMT的code或是直接用?07/27 16:09

9^F→bulc381: 我記得OpenNMT前陣子好像有refactor過data的部分應該可07/27 16:12

10^F→bulc381: 以當作參考07/27 16:12

[問題] 哪裡可以查到今年各大團隊的新模型架構

[ DataScience ]10 留言, 推噓總分: +3

作者: ms0344303 - 發表於 2019/06/17 21:22(6年前)

4^F推bulc381: twitter, reddit, 大研究機構很多有自己的blog可以掃一遍06/17 22:28

5^F→bulc381: medium上面也不少東西可以挖06/17 22:30

[問題] 有關 Xgboost GPU 安裝問題

[ DataScience ]9 留言, 推噓總分: +6

作者: sssh - 發表於 2019/06/08 03:31(6年前)

3^F推bulc381: 沒有下載到submodule吧到github把dmlc-core抓下來06/08 16:01

4^F→bulc381: 或是git clone --recurse-submodules06/08 16:05

[問題] Tutorial on VAE 的問題

[ DataScience ]27 留言, 推噓總分: +3

作者: tipsofwarren - 發表於 2019/06/06 21:19(6年前)

4^F推bulc381: 是logP沒錯就是Monte Carlo06/07 21:19

5^F→bulc381: 剛好今天VAE作者傳了一篇Introduction to VAE上arXiv 也06/07 21:24

6^F→bulc381: 可以來回對照看看 https://arxiv.org/abs/1906.0269106/07 21:24

7^F→bulc381: 對其實就是常常看paper會看到有一步推導會把期望值變成06/07 23:31

8^F→bulc381: = 1/N Σ(...) 這樣的作法，只是這邊簡單取N=106/07 23:32

9^F推bulc381: 我還沒仔細看那篇introduction，但看起來第三章有提到你06/07 23:41

10^F→bulc381: 上面講的：為什麼要用Gaussian06/07 23:42

11^F→bulc381: 還有要怎麼放寬讓它也可以是非Gaussian06/07 23:42

[問題] 取得完整訓練模型的某層輸出

[ DataScience ]16 留言, 推噓總分: +2

作者: adam100830 - 發表於 2019/05/01 21:33(6年前)

13^F推bulc381: m = Model(model1.inputs, model1.layers[3].output)05/04 01:45

14^F→bulc381: y = m.predict(X_train) 沒必要用到backend function05/04 01:46

15^F→bulc381: trainX05/04 01:46

首頁

尾頁