- 博客(13)
- 收藏
- 关注
RSS订阅原创 图像分类数据集
Fashion-MNIST中包含的10个类别，分别为t-shirt（T恤）、trouser（裤子）、pullover（套衫）、dress（连衣裙）、coat（外套）、sandal（凉鞋）、shirt（衬衫）、sneaker（运动鞋）、bag（包）和ankle boot（短靴）。（test dataset）中的1000张图像组成。为了简洁起见，本书将高度h像素、宽度w像素图像的形状记为h×w或（h,w）。函数，用于获取和读取Fashion-MNIST数据集。以下是训练数据集中前几个样本的图像及其相应的标签。
2023-11-13 20:32:36
35
原创 softmax回归
大致指某些类别的表示方法由0和1组成——独热编码，，此为一个向量，分量和类别一样多，具体表现为一个1，其他全为0。如：(0,0,1) (0,1,0) (1,0,0)为了故计所有可能类别的条件概率，设立（类别*特征）个标量表示权重，以及（类别）个标量表示偏置。使预测规范化，输出都是非负且总和为1（以及 校准）。3.全连接层的参数开销。4.softmax运算。
2023-11-06 21:15:19
37
原创 线性回归的从零开始实现
在初始化参数之后，我们的任务是更新这些参数，直到这些参数足够拟合我们的数据。在每一步中，使用从数据集中随机抽取的一个小批量，然后根据参数计算损失的梯度。接下来，我们必须定义模型，将模型的输入和参数同模型的输出关联起来。回想一下，要计算线性模型的输出， 我们只需计算输入特征X和模型权重w的矩阵-向量乘法后加上偏置b。在我们开始用小批量随机梯度下降优化我们的模型参数之前， 我们需要先有一些参数。在下面的代码中，我们通过从均值为0、标准差为0.01的正态分布中采样随机数来初始化权重， 并将偏置初始化为0。
2023-10-17 19:38:04
48
1
原创 线性代数
A.clone() A为原始对象名，clone()创建副本，中间用 “ . ” 连接。A.mean() == A.num()/A.numel() 求平均值的函数 或 元素求和除以总数。用于创建并返回一个对象的副本，这个副本具有和原始对象相同的数据，但是是一个新的对象，对其进行修改不会影响原始对象。A.T A为张量名，T为转置函数，运行结果为交换矩阵的行和列，即转置。的列维数（沿轴1的长度）必须与。
2023-10-10 21:39:08
56
1
原创 数据预处理
可以自动将此列转换为两列“Alley_Pave”和“Alley_nan”。巷子类型为“Pave”的行会将“Alley_Pave”的值设置为1，“Alley_nan”的值设置为0。缺少巷子类型的行会将“Alley_Pave”和“Alley_nan”分别设置为0和1。中的类别值或离散值，我们将“NaN”视为一个类别。由于“巷子类型”（“Alley”）列只接受两种类型的类别值“Pave”和“NaN”，其中每行描述了房间数量（“NumRooms”）、巷子类型（“Alley”）和房屋价格（“Price”）。
2023-10-09 20:29:03
29
1
原创 学习内容23/10/7
==” 的作用是将两个形状相同的张量同一位置的 元素 进行对比，同为True，不同为False，以此作为新张量中的元素。虽然我们讨论的是矩阵的索引，但这也适用于向量和超过2个维度的张量。X，Y是形状相同的两个张量，通过“==”进行连接，所得“X==Y”为一个新的相同形状的张量。如果我们想为多个元素赋值相同的值，我们只需要索引所有元素，然后为它们赋值。在浅层运用层面，将沿着数组中长度为1的轴进行广播，a是列，b是行。指向的张量，而是指向新分配的内存处的张量。，为结果分配新的内存，然后使。
2023-10-07 21:59:06
31
1
原创 每日学习内容23/9/27
torch.stack((多个张量名),dim=x) 意义是连结张量，进行堆叠，增加新的维度。stack可以连结多个且形状相同的张量。dim后“x”的意思是第x+1维度内进行连结。运算结果是 e^n ，即 e 的 n 次方 ，e是自然常数，n是单一元素值。注意：exp可以是多维张量，但任意维度内张量形状必须相同，否则报错。torch.exp(张量名)
2023-09-27 21:59:33
39
1
原创 数据操作
构建一个张量，形状由括号内数字大小和数量决定，其中每个元素都从均值为0、标准差为1的标准高斯分布（正态分布）中随机采样。用户自己创建一个张量，且张量内的值都是确定值。4.任意具有相同形状的张量之间的运算。3.print中换行。
2023-09-26 22:02:56
35
原创 每日学习内容23/9/25
ones创建的张量所有元素为1，zeros创建的张量所有元素为0。n的意义为该维度下元素的个数。括号内从右至左是1维，2维，至更高维度。使用方法：张量名.reshape(n1,n2,...,n3,n4)作用：改变张量形状，张量大小不变。即抽出所有元素进行重新排版输出。张量名.numel() 输出张量内元素个数。4.torch ones和zeros。
2023-09-25 22:05:20
45
1
原创 每日学习内容23/9/24
reshape(行数，列数) torch.matmul(矩阵变量名，矩阵变量名) torch.normal(平均值，标准差，输出张量) shape：行列数组成元组直接输出。shape[0] ：读取行数。shape[1]：读取列数。Tensor——张量。
2023-09-24 21:54:06
51
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