pytorch
含有「pytorch」共 16 篇內容
全部內容
發佈日期由新至舊
本文介紹如何使用Python、PyTorch和yfinance建立三層式類神經網路模型預測股票價格，並結合管制圖進行數據健康性檢視，有機會提供更全面的投資分析參考。
本文介紹如何使用 PyTorch 建立一個三層式反饋類神經網路模型來預測股價。文章涵蓋了資料取得 、資料預處理 (正規化)、GPU 資料轉換、模型訓練、模型預測以及結果評估等步驟。透過將模型預測結果與原始股價資料繪製比較圖表，並結合統計指標例如「95%區間」來分析模型的準確性和可靠性。
下圖為程式碼節錄
把 output 印出來看，會發現有五組數字，每一組數字依序對應到驗證碼圖片
2025/02/01
之前個人用AI模型幫助coding大多流程是：prompt問問題-->貼到編譯器-->bug貼回prompt-->直到完成，不過最近找一下新作法...看來碼農末日真的不遠了...
https://www.53ai.com/news/qianyanjishu/2024070649765.html
現在只要動嘴巴就好....上面這篇文章已經過半年，可以替換更強大的模型了。讓我們為矽谷的高薪碼農們默哀，準備裁員了
發文者
2025/02/02cchsuan 那些人很優秀，很快就能適應啦~ 像我這種一個口令一個動作的純碼農才需要擔心，用功的方向跟以前不同了。不幸的是年紀大了，學習力沒那麼強，幸運的也是年紀大了，再撐一陣子後就算被洗去領基本工資也勉強能過日子…🤣
資料集有了，模型兜好了，再來可以開始訓練了。
首先準備 train.py，下圖僅節錄部分程式碼。
圖中包含了大部分的程式和註解，整段 code 也幾乎是公版了，建議簡單看過再自己融會貫通，有問題可以根據執行時的 error log 去解決，也可以留言討論。
此時資料夾應該長這樣
不太確定捲積式神經網路 (CNN) 的精確定義，但大致上是用捲積層 (convolution layer) 取代 DNN 中的幾個全連接層 (fully connected layer)，這些捲積層概念跟 feature filter 類似。
先大概有個概念就夠，實作時跟前一篇 DNN 一樣，這些
這篇會示範，只要稍微會寫 python，儘管對 AI 只有極淺的認識，也能輕易兜出一個，專家們眼中可能很白癡的 AI 模型。若題目不難、訓練資料夠多，這個白癡模型仍可以莫名其妙的變聰明。
全都的程式碼都在下圖，20行就能兜出一個全連層 (fully connected layer ) 組成的全
抓圖&標記
沒別招，只能一張張把圖片抓下來，少說抓個幾百~幾千張吧。抓下來的圖可以用遞增數字當檔名。
再來這步更麻煩，標記。
新增一個文字檔，或跟我一樣用 label.csv 都可以，然後把一張張圖片上的驗證碼正確答案記錄下來。
儘管步驟再簡單，只靠自己人工抓圖和標記，既耗時又煩
本文是以 Windows 電腦為主，但理論上 macOS 的步驟也差不多。
主要就兩個步驟
安裝 Python (我裝 3.12)
安裝 PyTorch
最近工作剛好有用到 PyTorch，由於僅止於些簡單的功能和除錯，事後對這個熱門的 AI 框架還是一知半解。想了下，如果連用 PyTorch 做個簡單的 AI 模型都辦不到，不就浪費了這段時間的接觸？
於是訂個簡單的題目並試著去完成，順手做個紀錄。內容非常初階，篇幅也不多，主要著重在...
本文描敘如何配合 nVidia Jetson Orin Nano 的多核心 GPU 的裝置，利用 PyTorch 來作 CUDA python 程式開發。
