人工智能-transformer-pytorch实现代码-详细解析-更深入理解 transformer

本文主要是对 transformer使用 Pytorch 实现的一个逐句解析，包含 transformer 原理部分未讲到的正则部分优化以及动态学习率等，以及有些代码实现的思路帮助理解，适合刚学刚用 transformer 的朋友一起学习，使用 transformer 的优势在于提取语义信息可以用作不同工作场景，原理篇以及代码实现解析篇可以见："https://blog.csdn.net/Lian_Ge_Blog/article/details/132783696spm=1001.2014.3001.5501" 和 "https://blog.csdn.net/Lian_Ge_Blog/article/details/133004380spm=1001.2014.3001.5501"

深度学习-循环神经网络RNN-RNN代码实现-学习RNN的学习笔记

本资源主要是使用pytorch构建RNN项目代码的测试结果展示和个人对每一步代码的见解注释，以及代码运行过程中生成的数据格式展示，还包含代码用到的部分函数介绍。 RNN相关文章分为循环神经网络原理介绍，链接地址：https://blog.csdn.net/Lian_Ge_Blog/article/details/129046842?spm=1001.2014.3001.5502；以及RNN代码实现分析，包含了torch中不同方法实现RNN，以及参数介绍，参考的优质文章等，地址：https://blog.csdn.net/Lian_Ge_Blog/article/details/131209780?spm=1001.2014.3001.5502，资源文件为就是该文件，适合初学RNN的人参考，注意甄别错误的地方

深度学习+优化器+详解各种常用优化器+测试各优化器的结果作为文章的补充

本资源主要是对各个优化器测试的结果流程所用的测试代码，使用代码为上篇CNN的代码，替换不同的优化器测试效果；优化器文章详细介绍了优化器在深度学习中的作用，按照出现时间的顺序依次介绍各种优化器的实现原理附带个人理解的通俗数学公式，而且有torch中封装好的函数类用法和参数介绍等等，也包括优化器各自的优缺点，以及常用超参数的值大小；链接地址：https://blog.csdn.net/Lian_Ge_Blog/article/details/130926122?spm=1001.2014.3001.5501

深度学习+优化器+详解各种常用优化器+测试各优化器的结果作为文章的补充

本资源主要是对各个优化器测试的结果流程，使用代码为上篇CNN的代码，替换不同的优化器测试效果；优化器文章详细介绍了优化器在深度学习中的作用，按照出现时间的顺序依次介绍各种优化器的实现原理附带个人理解的通俗数学公式，而且有torch中封装好的函数类用法和参数介绍等等，也包括优化器各自的优缺点，以及常用超参数的值大小；链接地址：https://blog.csdn.net/Lian_Ge_Blog/article/details/130926122?spm=1001.2014.3001.5501

深度学习+使用pytorch实现CNN代码+算法原理代码部分的补充

主要是使用jupyter作为测试工具，使用pytorch框架来实现CNN的完整代码，代码篇作为前面介绍CNN原理篇的补充，使用jupyter保留了很多个人单独测试结果的详细步骤，便于查看每一步生成结果，不用再运行一次查看更加直观，CNN原理介绍篇地址：https://blog.csdn.net/Lian_Ge_Blog/article/details/128941238?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522168448691816800226555943%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=168448691816800226555943&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~rank_v31_ecpm-1-128941238-null-nu