- 博客(20)
- 收藏
- 关注
RSS订阅原创 DataWhale“深入浅出PyTorch”第八章
教程前四章的打卡记录：深入迁出pytorch专栏该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出PytorchDataWhale“深入浅出PyTorch”第八章——PyTorch生态简介PyTorch之所以会在短短的几年时间里发展成为主流的深度学习框架，除去框架本身的优势，还在于PyTorch有着良好的生态圈。1.图像——torchvisiontorchvision经常用来调用预训练模型，加载数据集，对图片进行数据增强的操作。带 *的部分是我们经常会使用到的一些库，所
2022-03-24 19:17:49
3490
原创 DataWhale“深入浅出PyTorch”第七章
教程前四章的打卡记录：深入迁出pytorch专栏该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出PytorchDataWhale“深入浅出PyTorch”第七章—— PyTorch可视化ps:本次主要都是解决 BUG了文章目录DataWhale“深入浅出PyTorch”第七章—— PyTorch可视化1可视化网络结构1.1 使用print函数打印模型基础信息1.2 使用torchinfo可视化网络结构2 CNN可视化2.1 CNN卷积核可视化2.2 CNN特征图可视化方法
2022-03-22 20:41:56
478
原创 DataWhale“深入浅出PyTorch”第六章
教程前四章的打卡记录：深入迁出pytorch专栏该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出PytorchDataWhale“深入浅出PyTorch”第六章—— PyTorch进阶训练技巧文章目录DataWhale“深入浅出PyTorch”第六章—— PyTorch进阶训练技巧1. 自定义损失函数1.1 以函数的方式定义1.2 以类的方式定义2. 动态调整学习率2.1 使用官方scheduler2.2 自定义scheduler3. 模型微调4.半精度训练4.1 半精度训
2022-03-19 20:35:57
859
原创 DataWhale“深入浅出PyTorch”第五章
教程前四章的打卡记录：深入迁出pytorch专栏该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出PytorchDataWhale“深入浅出PyTorch”第五章——PyTorch模型定义的方式文章目录DataWhale“深入浅出PyTorch”第五章——PyTorch模型定义的方式1.1 前置知识1.2 Sequential(顺序的)1.3 ModuleList1.4 ModuleDict1.5 三种方法的比较与使用场景2.1 利用模型块快速搭建复杂网络2.2 U-Net模
2022-03-16 21:39:02
250
原创 DataWhale十一月组队学习“水很深的深度学习”打卡Task03
DataWhale十一月组队学习“水很深的深度学习”打卡Task03ps:学习资料的Github地址：水很深的深度学习DataWhale地址： 水很深的深度学习
2021-11-25 15:21:50
527
原创 算法设计与分析课程记录week4
算法设计与分析课程记录week4PS：此文章仅作为个人课程期间的学习记录蛮力法1. 概述蛮力法是一种简单直接地解决问题的方法，通常直接基于问题的描述和所涉及的概念定义，找出所有可能的解。然后选择其中的一种或多种解，若该解不可行则试探下一种可能的解。使用蛮力法通常有如下几种情况：搜索所有的解空间：问题的解存在于规模不大的解空间中。搜索所有的路径：这类问题中不同的路径对应不同的解。直接计算：按照基于问题的描述和所涉及的概念定义，直接进行计算。往往是一些简单的题，不需要算法技巧的。模拟和仿真：
2021-11-23 18:56:56
242
原创 算法设计与分析课程记录week3
算法设计与分析课程记录week3PS：此文章仅作为个人课程期间的学习记录分治法1 分治法概述1.1 分治法的设计思想对于一个规模为n的问题：若该问题可以容易地解决（比如说规模n较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。分治法所能解决的问题一般具有以下几个特征：该问题的规模缩小到一定的程度就可以容易地解决。该问题可以分解为若干个规模较小的相同问题。利用该问
2021-11-23 18:56:21
106
原创 DataWhale十一月组队学习“水很深的深度学习”打卡Task02
DataWhale十一月组队学习“水很深的深度学习”打卡Task01ps:学习资料的Github地址：水很深的深度学习DataWhale地址： 水很深的深度学习
2021-11-20 15:37:15
522
原创 DataWhale十一月组队学习“水很深的深度学习”打卡Task01
DataWhale十一月组队学习“水很深的深度学习”打卡Task01ps:学习资料的Github地址：水很深的深度学习DataWhale地址： 水很深的深度学习1 绪论与深度学习概述1.1 人工智能、机器学习与深度学习人工智能大致上可分为三类：弱人工智能：机器只是看起来智能，不能真正地进行推理和解决问题，无智能也无自主意识强人工智能：有自主意识的，认为有可能制造出能真正地进行推理和解决问题的机器超级人工智能：认为机器的智能能彻底超过人类机器学习定义：让计算机能像人一样具有学习和思考
2021-11-17 19:52:38
653
原创 DataWhale10月“深入浅出PyTorch”Task04打卡
ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记pss:该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出Pytorch文章目录基础实战——FashionMNIST时装分类导入必要的包配置训练环境和超参数数据读入和加载模型设计设定损失函数设定优化器训练和测试（验证）模型保存基础实战——FashionMNIST时装分类以下内容根据DataWhale的教程基础实战——FashionMNIST时装分类撰写。经过前面三章内容的学习，我们完成了以下的内
2021-10-21 20:36:31
170
原创 DataWhale10月“深入浅出PyTorch”Task03打卡
ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记pss:该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出Pytorch1.概述机器学习的一般步骤深度学习和机器学习在流程上类似，但在代码实现上有较大的差异。存在以下不同之处：数据预处理：首先，由于深度学习所需的样本量很大，一次加载全部数据运行可能会超出内存容量而无法实现；同时还有批（batch）训练等提高模型表现的策略，需要每次训练读取固定数量的样本送入模型中训练，因此深度学习在数据加载上
2021-10-19 21:07:14
91
原创 算法设计与分析课程记录week2
算法设计与分析课程记录week2PS：此文章仅作为个人课程期间的学习记录递归算法设计技术1. 递归的概念在定义一个过程或函数时出现调用本过程或本函数的成分，称之为递归。若调用自身，称之为直接递归。若过程或函数p调用过程或函数q，而q又调用p，称之为间接递归。能够用递归解决问题的三个条件：需要解决的问题可以转化为一个或多个子问题来求解，而这些子问题的求解方法与原问题完全相同，只是在数量规模上不同。递归调用的次数必须是有限的。必须有出口来结束递归的条件来终止递归。何时使用递归？定义是递
2021-10-17 15:34:50
196
原创 DataWhale10月“深入浅出PyTorch”Task02打卡
ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记pss:该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出Pytorch
2021-10-15 22:04:09
106
原创 DataWhale10月“深入浅出PyTorch”Task01打卡
ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记pss:该教程的GitHub地址：深入浅出PyTorch哔哩哔哩视频地址：深入浅出Pytorch
2021-10-12 18:37:13
130
原创 算法设计与分析课程记录week1
算法设计与分析课程记录week1PS：此文章仅作为个人课程期间的学习记录0.概述推荐教材：《算法设计与分析》（第2版）李春葆等编著推荐书籍：《算法导论》，《编程之美》，《编程珠玑》刷题平台：PTAleetcode推荐网课：厦门大学算法设计与分析北京大学算法设计与分析推荐软件:Visual Studio Code,Dev C++,CodeBlocks1.算法的概念算法需具备的五个基本要素：好的算法的五个特性：C++的引用与STL引用在C语言中调用函数时只有从实参到形参的
2021-10-11 18:46:10
167
原创 Datawhale7月“吃瓜教程“Task05打卡
ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~目录Task05 详读西瓜书+南瓜书第6章1 间隔与支持向量2 对偶问题3 核函数4 软间隔与正则化5 支持向量回归6 核方法Task05 详读西瓜书+南瓜书第6章1 间隔与支持向量我们想要找到一个样本空间D中的超平面，将不同类别的
2021-07-29 15:52:17
136
原创 Datawhale7月“吃瓜教程”Task04打卡
ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~目录Task04 详读西瓜书+南瓜书第5章1 神经元模型2 感知机与多层网络3 误差逆传播（BP）算法4 全局最小与局部最小5 深度学习Task04 详读西瓜书+南瓜书第5章1 神经元模型定义：我们在机器学习中所谈论的神经网络一..
2021-07-25 21:47:11
342
原创 Datawhale7月“吃瓜教程”Task03打卡
ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~目录Task03 详读西瓜书+南瓜书第4章1 基本流程2 划分选择2.1 信息增益2.2 增益率2.3 基尼指数3 剪枝处理3.1 预剪枝3.2 后剪枝4 连续与缺失值4.1 连续值处理4.2 缺失值处理5 多变量决策树
2021-07-23 00:02:05
194
1
原创 Datawhale7月“吃瓜教程”Task02打卡
ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~目录Task02 详读西瓜书+南瓜书第3章1 线性回归1.1 一元线性回归1.2 多元线性回归2 对数几率回归3 线性判别分析4 多分类学习5 类别不平衡问题Task02 详读西瓜书+南瓜书第3章1 线性回归基本形式：优
2021-07-19 22:41:39
161
2
原创 Datawhale7月“吃瓜教程”Task01打卡
ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记Task01——概览西瓜书+南瓜书1、2章1 绪论1.1 引言通过根据已有的经验来预测判断西瓜“好坏”与否来引入机器学习的概念。机器学习：一门致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。1.2 基本术语 数据集（data set）：一组记录的集合。 示例（instance）/样本（example）：数据集中的一条对事件或对象的记录。 属性（attrribute）/特征（fe
2021-07-13 22:09:25
225
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