@TOC
前提说明
想着以后雷达应用可能需要和深度学习什么的结果,在B站购买了《小白也能听懂的人工智能原理》想着听听学习学习,在这个假期,入个小小的门。 整点笔记方便自己以后回顾。
1.创建新工程
勉勉强强装了PyCharm和Anaconda,并尝试创建第一个新工程。
利用Anaconda Prompt创建一个虚拟环境, 大致步骤如下:
Step1:打开Anaconda Prompt,输入命令:
conda create -n test python=3.7
创建了一个叫test的虚拟环境,python版本为3.7.
Step2: 接着输入命令:
activate test
进入自己的虚拟环境中。
step3:通过命令安装一些自己需要的库:
pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
实现 比如matplotlib库的安装,其中后面的这个网址是清华源,为了稳定,更快的下载库用的。
Step4:这些弄好以后差不多就有了一个虚拟环境。可以通过命令查看conda环境里面是否有这个环境:
conda env list
图1
如图1 ,可以看到 除了基础的conda自带的base环境,还有自己创造的test环境。
Step5:在PyCharm中建立一个新工程,并选择这个环境
图2
如图2,打开PyCharm,选择file–Newproject—previously configured interpreter—conda environment
打开目录,找到conda所在地方,找到conda-env–test里面的python.exe。
点确定就能看到图1(6)所示,再点确定,就能创建一个非常基础的工程。如图3所示。
图3
Step6:运行程序
我们可以在pycharm里面右键选择run “main”来运行主函数。
也可通过cmd运行。
命令如下:
图4
如图4所示,我的工程在F盘,所以首先打开CMD 然后激活环境,复制文件所在的目录。运行结束后要再输入对应的“盘:”,比如我是f盘,就需要输入“f:”。即,当前缀变成路径,而不再是系统C的时候,表示成功。
最后,输入py mian.py 再回车,就成功运行了函数。
2.罗森布拉特(Rosenblatt)感知器
图5 Rosenblatt感知模型和一元一次感知案例
图5展示了基础的Rosenblatt感知模型(图5蓝色部分)以及一个一元一次感知的实例(图五黑色部分)。
假设有一组观察值x,和y,要感知x和y之间的关系。
假设通过长期观察,我们估计他是一个线性关系,即y=wx,其中w为权重值。
为了获得w值,我们可以通过构建Rosenblatt感知模型让机器通过这组数据帮我们找到真实的w值。
step1:输入参数
首先我们将这些观察值的第一组数据( x 1 x_{1} x1, y 1 y_{1} y1)和权重值的初始值 w w w输入进模型(这里w可以是任意大小的。
step2:构建期望函数得到预测值
因为通过观察,我们认为数据关系是一元一次函数,即 y = w x y=wx y=wx.
因此我们将观察数据带入到期望函数中,得到一个预测值:
Y 1 = w ∗ x 1 ( 1 ) Y_{1}=w*x_{1} (1) Y1=w∗