- 博客(3)
- 收藏
- 关注
RSS订阅原创 使用torch库进行简单的卷积操作
它已经成为深度学习领域中最受欢迎的框架之一。今天我们要利用torch这个库进行简单的深度学习中常见的二维卷积运算讲解以及代码的实现，开始慢慢接触深度学习的代码以及计算原理。：PyTorch拥有一个活跃的社区和丰富的生态系统，包括许多预训练的模型、工具和数据集，这有助于加速研究和开发过程。这次讲解的是深度学习卷积操作中最简单的对5 * 5的矩阵使用3 * 3的矩阵进行卷积操作，最后得到一个3矩阵。通俗的讲就是一个5 * 5的格子为背景，3 * 3的格子为移动窗口在背景中不断移动计算，不能超出背景范围。
2024-08-06 21:15:01
333
转载 使用NumPy实现简单的机器学习任务（加强版）
上一期给出的散点可以根据seed()种子函数的不同，可以得出不同的散点图，并拟合出最接近给定参数的拟合曲线，现在我们想获取200组数据但是我们只使用前面50组数据对后面150组数据进行预测，看看准确性。接下来我们只对前面150个点进行曲线拟合，看看后50个点的预测效果，代码只需要把原来的范围修改一下即可。可以看到梯度下降的方法也就是黄色线，效果更好一点，也就验证了正则化方法是可以对预测效果进行准确性优化的。可以看到散点图总体还是比较分散的，这对预测的难度大大增强了。下一卜，进行全部200个散点的曲线拟合。
2024-08-04 21:48:27
2
原创 使用NumPy实现简单的机器学习任务
首先，给出一个数组x，然后基于表达式y=3x+2，加上一些噪声数据到达另一组数据y。然后，构建一个机器学习模型，学习表达式y=wx+b的两个参数w、b。这种方法的代码可能会多一点，但每一步都是透明的，有利于理解每一步的工作原理。通俗一点就是已知一组x，y的值，这些值是满足函数严格一一对应的条件，我们需要通过数据去反推x，y之间存在最满足原始数据的函数关系。与我们设定的w1 = 3，b1 = 2几乎一样，若数据的个数增大至无穷，则这两个参数无限接近设定值。最后，采用梯度下降法，通过多次迭代学习到w、b的值。
2024-08-02 19:34:58
262
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