- 博客(9)
- 收藏
- 关注
RSS订阅原创 PyTorch深度学习基础（3）
Tensor.view和Tensor.reshape都能被用来更改Tensor维度，都接收要输出的维度作为参数，且输出的矩阵元素个数不能改变，可以在维度中输入-1，PyTorch会自动推断它的值。 Tensor.view要求Tensor的物理储存必须是连续的，否则将报错。返回的一定是一个索引。 Tensor.reshape返回的是引用还是复制是不确定的。 torch.squeeze和torch.unsqueeze用于为Tensor去掉和添加轴。其中torch.squeeze用于去掉维度为1的
2024-03-24 15:13:00
862
1
原创 PyTorch深度学习基础（2）
矩阵乘积的结果是一个新矩阵，其行数来自第一个矩阵，列数来自第二个矩阵。具体到数学公式上，若有两个矩阵A和B，A是一个m×n的矩阵，B是一个n×k的矩阵，那么它们的乘积AB将是一个m×k的矩阵，并且AB中的每个元素是通过对应的行与列进行乘积求和得到的。切片与索引类似，都是用来获取特定元素的手段，但切片通常指的是按照一定的连续范围来获取数据。当某个元素满足条件时，则返回对应矩阵x相同的位置的元素，否则返回矩阵y的元素。矩阵可以看作是一个由数字排列成的矩形阵列，其中m行n列的数字构成一个m×n的矩阵。
2024-03-24 14:08:12
458
1
原创 第四章 PyTorch深度学习基础（1）
torch.arange和Python内置的range的使用方法基本相同，，其中第3个参数是步长。除了ndarray或list类型的数据中创建Tensor，PyTorch还提供了一些可直接创建数据的函数，这些函数往往需要提供矩阵的维度。torch.mm执行矩阵乘法的运算。torch.clamp起到分段函数的作用，可以用于去掉矩阵中过小或者过大的元素；torch.randint返回指定区间的均匀分布采样的随机整数所生成的矩阵。torch.rand返回范围为[0,1]的均匀分布采样的元素所组成的矩阵。
2024-03-23 15:28:56
614
1
原创 机器学习基础知识（2）
5.因果关系（causality）和概率图模型（probabilistic graphical models）问题。准确率（Accuracy）：对于测试集中D个样本，有k个被正确分类，D-k个被错误分类，则准确。精确率（查准率）- Precision：所有被预测为正样本中实际为正样本的概率。召回率（查全率）- Recall：实际为正的样本中被预测为正样本的概率。3.线性回归可以用于预测什么中的场景？7.无监督学习衡量指标。
2024-03-09 00:08:18
1940
1
原创 机器学习基础知识（1）
若对于给定的输入x，若某个模型的输出y^=f(x)偏离真实目标值y，那么就说明模型存在误差；y^偏离y的程度可以用关于y^和y某个函数L(y.0)来表示，作为误差的度量标准:这样的函数L(y,称为损失函数在某种损失函数度量下，训练集上的平均误差被称为训练误差，测试集上的误差称为泛化误差。由于我们训练得到一个模型最终的目的是为了在未知的数据上得到尽可能准确的结果因此泛化误差是衡量一个模型泛化能力的重要标准。2.数据集数据集包括：训练集、验证集、测试集。
2024-03-08 23:19:42
1842
1
原创 深度学习框架笔记（2
Caffe（卷积神经网络框架）是一个深度学习框架，由Jia等人于2014年开发，并由伯克利视觉与学习中心开源。它主要用于图像识别、语音识别等领域的深度学习任务。caffe是一个清晰，可读性高，快速的深度学习框架。Caffe采用C++编写，具有高效的计算性能。它的设计灵感来自于神经科学的发现，将神经网络的各个层次以类似于人类大脑的方式进行连接和处理。Caffe支持多种深度学习架构，例如卷积神经网络(CNN)、循环神经网络(RNN)等，可以实现各种复杂的深度学习模型。
2024-03-08 22:46:32
1565
1
原创 深度学习框架笔记（1）
深度学习框架是一种用于构建、训练和部署深度神经网络模型的工具集合。它提供了丰富的函数和工具，使开发者能够方便地创建、调整和优化神经网络模型。简单的说：深度学习框架是一套综合工具和库的集合，专门设计用于简化深度神经网络的开发流程。这些框架通过提供易于使用的构建模块、训练机制和部署选项，极大地加速了从原型设计到产品部署的过程。以下是对上面这段话的解释和归纳：构建（Build）
2024-03-04 16:50:52
503
1
原创 深度学习简介
交互性检索是在检索用户不能构建良好的检索式（关键词）的情况下，通过与检索平台交流互动并不断修改检索式，从而获得较准确检索结果的过程。新闻推荐需要：获取用户请求，召回候选新闻，对候选新闻进行排序，最终给用户推出新闻。将用户持续浏览新闻的推荐过程看成一个决策过程，通过强化学习学习每一次推荐的最佳策略，提高用户的点击率。无人驾驶被认为是强化学习短期内能技术落地的一个应用方向，很多公司投入大量资源在无人驾驶上，其中百度的无人巴士“阿波龙”已经在北京、武汉等地展开试运营，自动无人驾驶的行车视野如下图所示。
2024-03-03 19:39:29
990
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人