我的文章

我的文章《文本情感分析》（六）训练评估

1. 模型训练 该代码实现了RNN 训练情感分析模型，主要功能包括： 创建 03-模型训练.py 文件并添加如下代码： 图片展示 20 个 epoch 的在训练集上的总损失变化曲线...

我的文章AUC（Area Under the Curve）

AUC（Area Under the Curve）是一种常用二分类评估方法，它指的是 ROC 曲线（Receiver Operating Characteristic Curve）下的面积。 1. R...

我的文章《文本情感分析》（一）准备工作

本文将从零开始，详细讲解如何使用循环神经网络（GRU）实现文本情感分类。我们将基于 PyTorch 从头构建一个模型，并应用于情感分析任务。内容涵盖数据预处理、构建词汇表、分词器、模型搭建与训练，最终...

我的文章《文本情感分析》（二）工作过程

1. 基本流程 2. 组件介绍 在基本流程中：

我的文章《文本情感分析》（三）核心算法

我的文章《文本情感分析》（四）数据处理

1. 准备数据 该代码用于微博情感分析数据的预处理。主要流程包括： 创建 01-准备数据.py 文件并添加如下代码： 2. 构建词典 该代码用于构建文本词汇表。主要流程包括： 创建...

我的文章循环神经网络（RNN）

循环神经网络（Recurrent Neural Network, RNN）是一类用于处理序列数据的神经网络。 什么是序列数据？序列数据是指按照一定顺序排列的数据集合，其中的每个元素被称为序列的一个项。...

我的文章长短期记忆网络（LSTM）

长短期记忆网络（Long Short-Term Memory，LSTM）是一种特殊的循环神经网络（RNN），与传统的 RNN 相比，在处理涉及较长距离时间依赖的任务中表现出更强的能力。 1. 算法原理...

我的文章门控循环单元（GRU）

门控循环单元（Gated Recurrent Unit, GRU）是一种改进的循环神经网络（RNN）架构，旨在解决传统 RNN 在处理长序列时面临的梯度消失问题。GRU 由 KyungHyun Cho...

我的文章C++ Boost Circular Buffer

C++ Boost 库中的环形缓冲区（Circular Buffer）是一种数据结构，用于实现固定大小的队列，支持高效的插入和删除操作。它的主要特点是，当缓冲区满时，新的元素会覆盖最旧的元素，从而形成...

我的文章自动混合精度（AMP）

自动混合精度是一种能够提升训练效率的方法。它通过减少训练过程中的显存使用，从而提高 batch_size 大小，加快模型训练。在 PyTorch 中张量默认使用的是 float32 类型，如果我们能够...

我的文章C++ Boost Interval Container Library

Boost Interval Container Library（简称 Boost.Icl）是 Boost 库中的一个子库，专门用于处理区间（interval）和区间集合（interval sets）...

我的文章C++ std::packaged_task 工具使用

在 C++ 中，std::thread 用于创建和管理线程，但它并不直接支持获取线程的返回结果。为了解决这个问题，我们可以使用 std::packaged_task 来辅助实现。std::packag...

我的文章C++ Boost Bidirectional Maps 

Boost.Bimap 是 C++ Boost 库中的一个组件，它提供了一种双向映射的容器，即键和值之间的双向映射。这意味着可以通过键查找值，也可以通过值查找键。Boost.Bimap 提供了一种方便...

我的文章C++ operator new/delete 函数重载

在 C++ 中，operator new 和 operator delete 是用于动态内存分配和释放的运算符。重载这两个运算符可以使你在分配或释放内存时添加额外的行为，例如跟踪内存使用情况或实现自定...