- 博客(6)
- 收藏
- 关注
RSS订阅原创 【无标题】机械学习基础5补充
而 num_workers 参数则可以指定加载数据时使用的线程数，尽管在这个例子中我们没有启用并行，但在大规模训练时可以显著提高数据加载效率。它支持自动化的数据并行处理，极大提高了数据加载效率，特别是在训练深度学习模型时，能够保证数据传输速度不成为瓶颈。包含10个类别的60000张32x32彩色图像每个类别6000张图像（训练集5000，测试集1000）类别：飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车。则为我们提供了便捷的可视化工具，帮助我们更好地监控模型的训练过程。来处理数据集并进行可视化.
2025-06-27 12:32:51
197
原创 机械学习基础5
通过TensorBoard可视化，用户可以直观地看到每一批次输入图像与输出图像的差异，观察卷积操作如何从原始图像中提取特征。卷积操作能够有效提取图像中的低级特征，通过多个卷积核可以提取出不同类型的特征。此层的作用是通过池化操作缩小图像的尺寸，减小计算量，提取重要特征。MaxPool2d层是卷积神经网络中的一个重要组件，通过池化操作能够有效减小特征图的尺寸，降低计算量，并保留图像中的重要特征。在实验过程中，网络通过每个批次的图像进行前向传播，计算并提取特征。在此实验中，我们加载了测试集数据，并使用。
2025-06-19 21:38:47
800
原创 机械学习基础4
一、transforms.py使用totensor 、resizetensor数据类型通过transform.Totensor去解决两个问题1、tansforms该如何使用2、为什么我们需要tensor数据类型二、这段代码使用PyTorch和TensorBoard完成以下任务：下载并加载CIFAR-10数据集对图像进行预处理（转换为张量）使用TensorBoard可视化测试集的前10张图像。
2025-06-12 18:12:48
829
原创 机械学习基础3（线性模型、决策树）
线性模型是机器学习中的基础模型，它通过属性的线性组合来进行预测。这种模型形式简单，易于理解和建模，并且具有良好的可解释性。（1）如果对于离散值的属性，可作下面的处理：若属性值之间存在“序关系”，则可以将其转化为连续值，例如：身高属性分为“高”“中等”“矮”，可转化为数值：{1， 0.5， 0}。若属性值之间不存在“序关系”，则通常将其转化为向量的形式，例如：性别属性分为“颜色”“声音”“纹路”，可转化为三维向量：{（1，0，0），（0，1，0），（0，0，1）}。（2）令均方误差最小化。
2025-06-05 17:33:16
1017
原创 机械学习基础2
比如西瓜的“色泽”，“敲声”，“根蒂”等，或者说”天气的状况“，”动物的行为“等。比如“色泽”，“敲声”，“根蒂”分别作为三个坐标轴，形成一个三维空间，把一条记录的这些属性在空间中找到其位置。如”天气晴朗“，”燕子高飞“或者 ” 天气阴沉“，”蚂蚁搬家“或者”青绿“、”响亮“、”乌黑“然后我们每次用k-1个子集的并集作为训练集，剩余子集作为测试集，最终返回k个测试结果的均值，k常用10。偏差-方差分解：回归问题中，偏差是模型的假设错误，方差是数据的不确定性对模型的影响。分类错误的样本数占样本总数的比例。
2025-05-29 21:26:06
649
原创 无人机图像与神经网络的植物分类技术-学习
无人机（UAV）技术与深度学习模型的结合，已经成为农业智能化管理中的关键工具。通过高效的图像处理和深度学习模型，无人机在植物分类、病害监测等领域展现出了巨大的潜力。本文将系统地介绍无人机图像的预处理流程、常用的神经网络模型，并展示基于公开数据集的实际应用案例。在将无人机图像输入神经网络模型前，需要进行一系列标准化处理。
2025-05-22 22:45:21
1254
1
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