- 博客(12)
- 收藏
- 关注
RSS订阅原创 pytorch学习
第一部分：环境配置1.anaco的使用以及安装等（略）2.编辑器的选择与使用4.anaconda与jupyter5..dir()与help()第二部分数据读取：数据读取主要包括dataset与dataloader，dataset就像是在垃圾堆（数据集）里面找到自己想要的数据，Dataset主要是提供一种方式获取数据机器lebel并计算数据长度，dataloader主要是为后面的网络提供不同的数据形式。代码实现：一般分为训练和验证集：然后图片的组织形式分为..
2021-11-07 15:03:54
61
原创 第七部分——支持向量机（SVM)
第一部分：环境配置1.anaco的使用以及安装等（略）2.编辑器的选择与使用4.anaconda与jupyter5..dir()与help()第二部分数据读取：数据读取主要包括dataset与dataloader，dataset就像是在垃圾堆（数据集）里面找到自己想要的数据，Dataset主要是提供一种方式获取数据机器lebel并计算数据长度，dataloader主要是为后面的网络提供不同的数据形式。代码实现：一般分为训练和验证集：然后图片的组织形式分为两种
2021-11-07 15:03:18
50
原创 卷积神经网络（CNN)
1.应用类别：适合图像处理，以及不可以交换行列的情况。（表格可以交换行与列结果不变)2.基本结构：输入-卷积-池化-全连接-softmax3.卷积卷积运算：略常用卷积算子（卷积核维度=f)：以下为常用的横向识别算子，如需纵向，可以转过来，卷积核维数为f，一般情况下f为基数，方便填充。关于padding：（填充值=p）假设输入维数为n，卷积核的维数为f，则输出维数会比输入维数要少为：（n-f+1），这样会使得输出越来越小（压缩主要靠池化和大卷积步长），边缘信息被阉割，所以使用.
2021-11-07 15:01:20
235
原创 第六部分：机器学习的模型评估与系统设计
第一部分：模型评估1.改进模型的方法常规的方法是增加训练样本数量，但是往往也是实现难度最高的，往往还有以下几类方法1.尝试减小特征的数量2.尝试获得更多的特征3.尝试增加多项式特征4.尝试减小正则化程度5.尝试增加正则化程度2.评估一个假设的方法各种类型的数据混淆后，将70%的数据作为训练集，将30%的数作为测试集。在训练集训练出模型的参数后，对于线性回归模型，直接利用测试机算出代价函数。对于逻辑回归模型，除了利用测试集计算代价函数外，也可以对测试集使用误比例分析
2021-10-25 14:34:36
271
原创 第四部分：正则化
1.过拟合问题（Overfitting）问题：如下图三，如果特征非常多，可以拟合出一个非常复杂并适合训练集的函数，但是对于新数据却基本上失去了分类功能。也即：x次数越高，拟合得越好，但是相应的预测能力也变差，比如 回归问题：如分类问题：解决方案： *丢弃一些不要的特征.可以手工选择，也可以选择一些模型选择算法（例：PCA） *正则化。也即保持特征，减小参数大小。2.代价函数问题：我们的模型是,正是这些高次项导致...
2021-10-22 16:49:11
84
原创 第三部分：逻辑回归
1.分类问题(Logistic Regression)应用场景：预测的变量y是离散的值应用举例：是否垃圾邮件；肿瘤分类；2.假说表示问题：例如在肿瘤判断的模型中，
2021-10-22 11:30:12
82
原创 第二部分：线性回归
第一部分：多变量线性回归1.多特征例：房子价格决定于，房间个数、房间尺寸、位置等符号：n=特征数量=第i个训练实例，也即特征矩阵的第i行=特征矩阵的第i行第j个特征，也即第i个训练实例的第j个特征支持多变量的假设 ℎ 表示为：此时，模型参数是n+1维的向量，任何一个训练实例也都是n+1维的向量，因此特征矩阵X的维度是m*(n+1),基于矩阵运算，公式可简化为2.多变量梯度下降期望：参数：代价函数：目标：找到使得最小的参数矩阵梯度下降：..
2021-10-21 15:57:49
158
原创 深度学习常见的包
【安装列表】1、numpy、scipy2、pandas：Powerful data structures for data analysis, time series,and statistics3、statsmodels4、matplotlib、pyplot、pylab5、libsvm6、jieba分词7、scikit-learn工具包8、Theano深度学习9、wikipedia ：Wikipedia API for Python10、gensim11、Pat
2021-10-19 13:10:53
1250
原创 Learning note of《Through pytorch》chapter2
第一部分：搭建jupyter1.给base安装上nb_conda(base)conda install nb_conda2.在对应的环境中安装ipykernel（Jimsum） conda install ipykernel3.在环境中（jimsum）python -m ipykernel install --name jimsum4.保持激活环境，打开jupyter，选择对应的jupyter文件打开第二部分：张量张量是最基本的数据容器 0维张量/标量 标量
2021-10-15 16:56:04
53
原创 《Through pytorch》 Learning note chapter1
第一：新建环境，换源，下载安装pytorch1.安装好anconda，查看环境,只有base根环境conda env list2.新建一个名字为jimsum的python3.7环境conda create -n jimsum python=3.73.此时再查看环境，多了一个环境4.查看现有的源conda config --show-source5.更新anaconda源ps：常见源清华源：conda config --add channels Index
2021-10-11 14:29:18
78
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