自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(28)
  • 收藏
  • 关注

原创 博客摘录「 自动微分----pytorch中的梯度运算与反向传播函数(预备知识)5」2024年4月18日

由于 `b` 的每一次更新都是通过乘以 2 实现的,而 `a` 的梯度可以通过链式法则追溯至 `b`,再进一步回溯至 `a`,最终 `a.grad` 应该是每次循环中梯度累积的结果。然而,在实际运行这段代码时,`a.grad` 是否恰好等于 `d / a` 并不保证,因为它取决于具体的 `a` 值和循环终止时 `b` 的状态。否则将 `c` 设置为 `b` 的 100 倍。- 函数返回 `c`,并且因为 `a` 要求了梯度,调用 `d.backward()` 将会计算 `d` 关于 `a` 的梯度。

2024-04-18 17:33:26 193 1

原创 博客摘录「 微积分(预备知识)4」2024年4月17日

我们真正关心的是生成一个模型,它能够在从未见过的数据上表现良好。但“训练”模型只能将模型与我们实际能看到的数据相拟合。因此,我们可以将拟合模型的任务分解为两个关键问题:优化(optimization):用模型拟合观测数据的过程;泛化(generalization):数学原理和实践者的智慧,能够指导我们生成出有效性超出用于训练的数据集本身的模型。

2024-04-17 23:16:30 280

原创 博客摘录「 线性代数(预备知识)3」2024年4月16日

我们可以将矩阵-矩阵乘法看作是简单地执行m次矩阵-向量积,并将结果拼接在一起,形成一个 m × n 矩阵。这里的A是一个5行4列的矩阵,B是一个4行3列的矩阵。注意,A的列维数(沿轴1的长度)必须与x的维数(其长度)相同。同样,给定具有相同形状的任意两个张量,任何按元素二元运算的结果都将是相同形状的张量。这里我们定义一个对称矩阵 B。在下面的代码中,我们实例化两个标量,并执行一些熟悉的算术运算,即加法、乘法、除法和指数。将张量乘以或加上一个标量不会改变张量的形状,其中张量的每个元素都将与标量相加或相乘。

2024-04-17 19:40:19 679

原创 博客摘录「 数据预处理(预备知识)2」2024年4月15日

本节我们将简要介绍使用pandas预处理原始数据,并将原始数据转换为张量格式的步骤。我们将在后面的章节中介绍更多的数据预处理技术。

2024-04-16 13:47:45 263

原创 博客摘录「 Pytorch的数据操作(预备知识)1」2024年4月14日

Pytorch中的张量,就像在任何其他Python数组中一样,张量中的元素可以通过索引访问。与任何Python数组一样:第一个元素的索引是0,最后一个元素索引是-1, 可以指定范围以包含第一个元素和最后一个之前的元素。如上, 相加的两个张量形状分别为(1,3)、(2,1),现在通过广播机制将两张量均转化为(2,3)形状(矩阵X1复制1行,矩阵X2,复制2列),然后相加。下面的例子分别演示了当我们沿行(轴-0,形状的第一个元素) 和按列(轴-1,形状的第二个元素)连结两个矩阵时,会发生什么情况。

2024-04-15 22:41:15 503

原创 生存分析笔记1

生存分析另外一个重要的数据是有关研究对象是否出现结局的信息。实际上,如果一群研究对象进行长期的随访,就会出现许多对象失访的现象,在生存分析上称之为。如果出现删失,表明患者虽然被观察一段时间,但是阳性结局未出现,但人丢了,我们无法得到该对象完整的生存时间。数据缺失这是个大问题,这对医学研究非常不利。我们无法根据所有观察对象计算“死亡速度”,因而很难去去准确去探讨人群的平均的生存时间,比较不同组人群的生存速度。但删失的对象仍然有一定的价值,在删失发生之前,因为仍然是队伍中重要的一员,他们提供了部分生存时间,

2024-03-16 09:25:01 911

原创 博客摘录「 使用CNN-LSTM来预测锂离子电池健康状态SOH(附代码)」2024年1月2日

在各种电池特征参数中,电池容量常常被用作表征电池退化的特征。

2024-01-02 16:08:54 696

原创 如何使用Jupyter Notebook打开指定的文件或者文件夹

4、启动Jupyter Notebook后,会在默认浏览器中打开Jupyter Notebook的主页。此时主页的内容即为文件夹的内容。5、至此,文件以及文件夹成功打开。学会 Jupyter Notebook打开文件,是使用过程中十分必要的一个环节,希望本文能帮助到读者。3、启动Jupyter Notebook。1、打开存放文件的文件夹。文件夹的导航栏中,输入。

2023-12-17 10:17:09 7591 1

原创 如何查看Jupyter notebook中文件的存放位置

大家都知道Jupyter是一个开源的web应用程序,可以在Web浏览器中创建和共享文档,其中包含实时代码、方程、可视化和说明文本。很多小伙伴想修改一个自定义的路径或者文件夹,以此用于Jupyter代码存储,更方便的管理代码源文件。建议是不要修改,修改过程,极其容易修改出错或者误删配置文件内容等,将会造成jupyter不可用,排查出错点将会非常麻烦。3、当文件创建好之后,是一个空白的文件,此时我们可以在文件中输入下面两行代码,并执行。4、将输出路径,复制到文件夹的地址栏中打开,即可查看到文件。

2023-12-17 10:14:49 2699 1

原创 如何在Pycharm中打开Python文件或者项目

在本文中,我们详细介绍了如何在PyCharm中正确打开Python单个文件以及Python项目文件的步骤和方法。通过正确的打开方式,您可以在PyCharm中充分利用调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制等功能,提高代码开发效率。希望本文对您有所帮助。Pycharm中如何配置Python或者Anaconda的解释器-CSDN博客Python解释器:安装到电脑中的Python,其实是Python的解释器。

2023-12-17 10:08:57 2285 1

原创 Pycharm中如何配置Python或者Anaconda的解释器

Python解释器:安装到电脑中的Python,其实是Python的解释器。它的作用是将Python代码转换为机器(个人电脑、服务器等)可执行的指令,然后用于机器运行。。Pycharm:它是一个集成的开发环境,用于编写、调试Python代码项目。。编程人员利用Pycharm可以更方便的写代码,若没有Python解释器,Pycharm中写的代码也是只能看,不能翻译成机器认识的指令从而运行。所以在Pycharm中添加一个Python解释器就至关重要了!

2023-12-17 09:37:42 295 1

原创 Pycharm汉化详细教程(不推荐)

请注意,汉化插件不是官方提供的,因此可能会有一些翻译不准确或不完整的情况。如果你遇到任何问题,可以尝试卸载汉化插件并恢复到英文界面。如果没有非必要,建议一定不要汉化,使用原版是最佳选择!“(插件)选项,然后在右侧的搜索框中,输入”“(插件)选项,然后在右侧的搜索框中,输入”“(中文语言包)插件,并点击”“(中文语言包)插件,并点击”等待安装完成后,然后点击 “等待安装完成后,然后点击 “在弹出的窗口中,选择”在弹出的窗口中,选择”

2023-12-17 09:27:29 253 1

原创 Anaconda集成软件的详细讲解

Anaconda是一个开源的Python发行版,它集成了许多常用的数据科学和机器学习工具。它包含了Python解释器、常用的科学计算库(如NumPy、Pandas、Matplotlib等)、机器学习库以及其他一些常用工具和库。下面给大家讲解一下,Anaconda中这几个常用工具的作用。

2023-12-17 09:25:44 97 1

原创 解决打开Jupyter Notebook不自动跳转到浏览器问题

如果操作之后,依然不跳转浏览器,请从第一步认真查看并核对,看是否与教程操作一致。此方法可以解决99.99%的Jupyter Notebook不跳转浏览器的问题。在查找到的这一行下面添加以下代码。

2023-12-17 09:04:34 1195 6

原创 如何在Jupyter Notebook中使用虚拟环境内核

用Anaconda时,为了避免不同库之间的冲突,会针对不同项目或者不同需求创建对应的虚拟环境,从而实现环境之间的隔离,即操作这一个环境,不会影响另一个环境。(若对虚拟环境不熟悉,可以参考下边文章)Anaconda虚拟环境讲解以及常用操作指令-CSDN博客文章浏览阅读3次。举一个简单的例子,想象一下你有多个项目要开发,每个项目中都有一些包要依赖于某个共同的包,但是各自的所需要的版本不一致,有一些需要低版本的,有些需要高版本的。

2023-12-16 19:57:50 32

原创 如何在Anaconda虚拟环境中使用jupyter或spyder

使用Anaconda时,为了避免不同库之间的冲突,会针对不同项目或者不同需求创建对应的虚拟环境,从而实现环境之间的隔离,即操作这一个环境,不会影响另一个环境。(若对虚拟环境不熟悉,可以参考下边文章但随之会出现一个问题,Anaconda安装完成后,自带的jupyter、spyder等都是在base环境,使用jupyter、spyder时,只能调用base中的库,而无法使用虚拟环境中的库。为解决这个问题,可以。

2023-12-16 19:49:36 265

原创 TensorFlow 1.X和2.X版本的区别与判断

总的来说,TensorFlow 2.x 引入了许多改进和简化,使得代码更加易用、直观,并提供了更好的开发体验。但需要注意的是,由于 API 的改变,从 TensorFlow 1.x 迁移到 TensorFlow 2.x 可能需要一些代码调整和迁移工作。通过检查导入方式、Eager Execution、模型定义方式和操作方式,你可以初步判断项目代码所使用的 TensorFlow 版本。不过,这只是一种初步判断方法,具体还需根据代码的特点和上下文进行确认。

2023-12-16 19:24:09 276

原创 修改jupyter notebook的工作路径(文件存储路径,建议是不要修改)

Windows系统下,Jupyter的文件默认存储路径是在C盘的用户文件夹下。很多小伙伴想修改一个自定义的路径或者文件夹,以此用于Jupyter代码存储,更方便的管理代码源文件。

2023-12-16 19:06:29 729 2

原创 Python第三方库的安装失败原因及正确安装方式讲解

Python的第三方库是指由Python社区或其他开发者开发的、不属于Python标准库的软件包。这些库提供了各种功能和工具,。

2023-12-16 18:33:33 543

原创 Python-pip国内常用镜像及使用方法

使用pip安装库时,下载软件包特别慢,是因为下载会默认请求python官网的镜像源。而官网的镜像部署在国外,网络条件不好时,会下载特别慢。为了解决这个痛点,我们可以把下载镜像源设置为国内的镜像源,直接从国内下载,比如清华镜像源、豆瓣镜像源等等。

2023-12-16 17:35:39 11417 1

原创 Anaconda虚拟环境讲解以及常用操作指令

举一个简单的例子,想象一下你有多个项目要开发,每个项目中都有一些包要依赖于某个共同的包,但是各自的所需要的版本不一致,有一些需要低版本的,有些需要高版本的。Anaconda中自带一个基础base环境,安装完Anaconda自带的Jupyter Notebook、Spyder等将直接依赖于base环境,且base环境中预安装了180多个库,如Numpy、Pandas等等。每一个虚拟环境与base环境是等同的,但新创建的虚拟环境中没有预安装的库以及Jupyter Notebook、Spyder等。

2023-12-16 17:09:29 330

原创 【无标题】DRSA代码

【代码】【无标题】

2023-12-11 21:58:54 40 1

原创 博客摘录「 《PyTorch深度学习实践》学习笔记 【5】CNN_1」2023年12月8日

先是1个卷积层(conv,maxpooling,relu),然后ResidualBlock模块,接下来又是一个卷积层(conv,mp,relu),然后esidualBlock模块模块,最后一个全连接层(fc)。在“ 卷积-> ReLU-> 池化” 的架构后面加一层ResidualNet(红色块标注)经过Residual Block, 数据的尺寸不变。

2023-12-08 10:34:17 20

原创 博客摘录「 《PyTorch深度学习实践》学习笔记 【5】CNN_1」2023年12月7日

卷积层要求输入输出是四维张量(B,C,W,H),全连接层的输入与输出都是二维张量(B,Input_feature)。self.fc = torch.nn.Linear(320, 10),这个320获取的方式,可以通过x = x.view(batch_size, -1) # print(x.shape)可得到(64,320),64指的是batch,320就是指要进行全连接操作时,输入的特征维度。卷积(线性变换),激活函数(非线性变换),池化;这个过程若干次后,view打平,进入全连接层~

2023-12-08 08:53:14 27

原创 博客摘录「 《PyTorch深度学习实践》学习笔记 【4】」2023年12月7日

代码说明:1、第8讲 from torch.utils.data import Dataset,第9讲 from torchvision import datasets。2、torch.max的返回值有两个,第一个是每一行的最大值是多少,第二个是每一行最大值的下标(索引)是多少。.LongTensor([3]),对应的one-hot是[0,0,0,1,0,0,0,0,0,0].6、torch.max( )的用法 torch.max( )使用讲解。比如说0-9分类问题,如果y =单通道图像和多通道图像。

2023-12-07 20:16:06 23

原创 博客摘录「 PyTorch 深度学习实践 第8讲」2023年12月5日

1、需要mini_batch 就需要import DataSet和DataLoader2、继承DataSet的类需要重写init,getitem,len魔法函数。分别是为了加载数据集,获取数据索引,获取数据总量。3、DataLoader对数据集先打乱(shuffle),然后划分成mini_batch。5、inputs, labels = data中的inputs的shape是[32,8],labels 的shape是[32,1]。也就是说mini_batch在这个地方体现的。

2023-12-06 13:39:54 23 1

原创 博客摘录「 PyTorch 深度学习实践 第7讲」2023年12月5日

根据评论区的提示,更改epoch为100000,以准确率acc为评价指标,源代码和结果如下。如果想查看某些层的参数,以神经网络的第一层参数为例,可按照以下方法进行。

2023-12-05 22:31:32 20 1

原创 BCEloss「 PyTorch 深度学习实践 第6讲」2023年12月5日

关于BCE loss写了几行代码,帮助理解。

2023-12-05 09:24:29 36 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

提示
确定要删除当前文章?
取消 删除