文件名称：Hands-On-One-shot-Learning-with-Python:Packt发行的《动手动手的Python学习》
文件大小：8.46MB
文件格式：ZIP
更新时间：2024-06-15 13:02:57
JupyterNotebook
用Python进行一次动手学习 这是Packt发行的代码库。 学习使用PyTorch以更少的训练样本来实现快速准确的深度学习模型 这本书是关于什么的？ 本书是使用基于Python的库进行单步学习的逐步指南。 它旨在帮助您理解和设计模型，这些模型可以从一个或几个培训示例中了解有关数据的信息。 您还将学习将这些技术与实际示例和数据集一起应用，以进行分类和回归。 本书涵盖以下激动人心的功能： 掌握一次性学习和几次学习的基本概念 与不同的深度学习架构配合使用，一站式学习 分别了解何时使用一次性学习和转移学习 研究用于一次学习的贝叶斯网络方法 在PyTorch中基于指标，模型和优化实施一次性学习方法 发现各种即使在数据量较小的情况下也有助于提高准确性的优化算法 基于分类和回归探索各种一键式学习架构 如果您觉得这本书适合您，请立即获取！ 说明和导航 所有代码都组织在文件夹中。 该代码将如下
【文件预览】：
Hands-On-One-shot-Learning-with-Python-master
----LICENSE(1KB)
----README.md(5KB)
----Chapter03()
--------Neural_Turing_Machine.ipynb(100KB)
--------utils.py(1KB)
--------README.md(112B)
--------Images()
--------MANN_from_NTM.ipynb(9KB)
--------MANN_Omniglot.ipynb(80KB)
----Chapter05()
--------README.md(112B)
--------BayesianProgramLearning.ipynb(6KB)
--------Example.png(71KB)
--------4phases.png(65KB)
----Chapter02()
--------embeddings_plot.png(51KB)
--------data()
--------helper.py(1KB)
--------SiameseNetwork.ipynb(100KB)
--------Matching Networks.ipynb(202KB)
--------README.md(174B)
--------Images()
----Chapter01()
--------CodingExercise01.ipynb(323KB)
--------requirements.txt(50B)
--------Readme.md(573B)
----Chapter04()
--------Domain-Adaption-Meta-Learning(Sine Curve Dataset).ipynb(65KB)
--------README.md(112B)
--------Model-Agnostic-Meta-Learning(Sine Curve Dataset).ipynb(41KB)
--------Images()
--------LSTM-MetaLearner.ipynb(25KB)
--------daml-sine.png(23KB)
--------Model Agnostic Meta Learning (Omniglot Dataset).ipynb(9KB)