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(40)
  • 收藏
  • 关注

原创 AlexNet(fashion-mnist)

AlexNet相较于LeNet-5具有更深的网络结构,采用relu激活函数。

2024-01-10 20:54:23 419

原创 LeNet-5(fashion-mnist)

LeNet是最早发布的卷积神经网络之一。该模型被提出用于识别图像中的手写数字。

2024-01-10 19:27:40 580

原创 1×1卷积层

1×1卷积层相当于在每个像素位置做全连接层操作,但每个通道内部卷积核参数仍是共享的。

2024-01-10 15:03:02 432

原创 多输入多输出通道卷积

彩色图像具有RGB三通道,因此卷积操作也需要拓展到多通道。

2024-01-10 14:49:29 446

原创 卷积操作的填充和步幅

影响卷积层输出大小的因素除了卷积核尺寸,还有卷积操作的填充与步幅。

2024-01-10 11:22:59 341

原创 加载和保存模型参数

深度学习框架提供了内置函数来保存和加载整个网络。需要注意的是,这将保存模型的参数而不是整个模型。

2024-01-09 21:32:03 438

原创 参数初始化

深度学习框架提供默认的随机初始化,也允许我们创建自定义的初始化方法,以满足我们通过其他规则实现初始化权重。

2024-01-09 14:30:48 345

原创 模型参数访问

在选择了架构并设置了超参数后,进入训练阶段。此时,我们的目标就是找到使损失函数最小化的模型参数。有时,我们希望提取参数,以便在其他环境中复用。

2024-01-09 13:13:52 874

原创 K折交叉验证

一组超参数的训练误差可能非常低,但K折交叉验证的误差高的多,这表明模型过拟合。较小的过拟合表示现有数据可以支撑更复杂的模型,较大的过拟合则表明我们可以采用正则化技术来改善模型。

2024-01-09 10:39:43 338

原创 添加暂退法的MLP

一个好的预测模型能够在未知的数据上有好的表现,为了缩小训练数据和测试数据之间模型性能的差异,应该使模型尽可能的简单,简单性的另一种角度是平滑性,即函数不应该对输入的微小变化敏感。可以通过对输入加入噪声,增强输入-输出映射的平滑性。在前向传递过程中,是在训练过程中丢弃一些神经元。标准的暂退法包括在计算下一层前将当前层的一些节点置零。暂退法函数将从均匀分布U[0,1]中抽取样本,样本数与这层的神经网络维度一致,保留对应样本大于p的节点,以实现按照概率p丢弃神经元。return X。

2023-12-30 16:05:06 314

原创 MLP简洁实现

通过高级API更简洁地实现多层感知机。

2023-12-28 16:21:57 357

原创 MLP从零开始实现

实现一个多层感知机,并采用Fashion-mnist图像分类数据集做测试。

2023-12-28 10:21:55 367

原创 softmax分类网络简洁实现(fashion-mnist)

基于pytorch框架的softmax分类网络简洁实现。

2023-12-19 14:53:41 350

原创 softmax分类网络手动实现(Fashion-MNIST)

使用Fashion-MNIST数据集,实现softmax分类网络

2023-12-19 12:05:21 362

原创 读取MNIST图像分类数据集

Fashion-MNIST由10个类别的图像组成,每个类别由训练集中的6000张图像和测试数据集中1000张图像组成。

2023-12-17 22:49:43 30

原创 UKDale——生成小批量数据

调用框架中现有的API来读取数据,将所使用的特征和标签作为参数传递给API,并通过数据迭代器指定batch_size。布尔值is_train表示是否希望数据迭代器对象在没轮内打乱数据。

2023-12-15 15:38:10 102

原创 tensor转换为其他python对象

深度学习框架定义的张量转换为NumPy张量(ndarray)很容易,反之也很容易。

2023-12-15 10:53:02 37

原创 线性回归网络的简洁实现

使用pytorch框架简洁实现线性回归网络

2023-12-15 10:11:11 29

原创 pytorch——线性回归网络的手动实现

从零实现线性回归网络

2023-12-14 10:56:32 25

原创 线性回归的基本元素

线性回归的5大基本元素

2023-12-13 16:30:00 33

原创 pytorch——自动微分

求导是几乎所有深度学习优化算法的关键步骤。深度学习框架通过自动计算导数,即自动微分来加快求导。

2023-12-12 21:48:21 32

原创 张量的数学计算

张量的数学计算

2023-12-04 23:12:49 33

原创 pandas数据预处理

pandas数据预处理

2023-12-04 20:48:23 26

原创 NILMTK_UKDale使用说明

NILMTK-使用方法

2023-12-04 17:00:46 470

原创 pytorch——广播机制

a和b分别是3×1矩阵和1×2矩阵,通过广播为3×2矩阵,完成相加运算。广播过程为将矩阵a复制列,矩阵b复制行,然后按元素相加。两个形状相同的张量可以执行按元素操作,在某些情况下,即使形状不同,我们仍然可以通过调用广播机制来执行按元素操作。(1)通过适当幅值元素来扩展一个或两个数组,以获得相同形状的张量。(2)对生成的数组执行按元素操作。

2023-12-03 21:43:29 43 1

原创 pytorch——张量索引和切片

张量中的元素可以通过索引访问:第一个元素的索引是0,最后一个元素的索引是-1,可以指定范围以包含第一个元素和最后一个元素之间的元素。

2023-12-03 21:21:57 40 1

原创 pytorch——张量连接

我们可以把多个张量连接在一起,把它们端对端地叠起来形成一个更大的张量。我们只需要提供张量列表,并给出沿哪个轴连接。

2023-12-02 21:35:42 79 1

原创 pytorch——构建张量

n维数组也称张量tensor。深度学习框架的张量类与Numpy计算包的ndarray相类似,但张量可以使用GPU加速计算且支持自动微分,这些功能使得张量类更适合深度学习。

2023-12-02 20:13:38 47 1

原创 pytorch搭建神经网络流程

文章中,我们将使用PyTorch从头开始实现一个简单的神经网络。很多人捧着各种pytorch指南一边看一边敲代码,但是合上书好像什么都不记得。

2023-12-01 23:17:40 40 1

原创 matplotlib中创建三维图表

Matplotlib 最开始被设计为仅支持二维的图表。到 1.0 版本发布左右,一些三维图表的工具在二维展示的基础上被创建了出来,结果就是 Matplotlib 提供了一个方便的(同时也是有限的)的可用于三维数据可视化的一套工具。一旦模块被导入,三维 axes 就可以像其他普通 axes 一样通过关键字参数。

2023-11-28 16:31:03 25 1

原创 python——图表自定义刻度

Matplotlib 默认的刻度标志和格式被设计成能满足许多通用场景的需求,但是不会是所有图表的最佳选择。

2023-11-28 16:12:19 728 1

原创 python——图表文本和标注

创建一个优秀的可视化图表的关键在于引导读者,让他们能理解图表所讲述的故事。在一些情况下,这个故事可以通过纯图像的方式表达,不需要额外添加文字,但是在另外一些情况中,图表需要文字的提示和标签才能将故事讲好。也许标注最基本的类型就是图表的标签和标题,但是其中的选项参数却有很多。让我们在本节中使用一些数据来创建可视化图表并标注这些图表来表达这些有趣的信息。

2023-11-28 15:41:00 113 1

原创 python——多个子表图

在一些情况中,如果能将不同的数据图表并列展示,对于我们进行数据分析和比较会很有帮助。Matplotlib 提供了子图表的概念来实现这一点:单个图表中可以包括一组小的 axes 用来展示多个子图表。这些子图表可以是插图,网格状分布或其他更复杂的布局。在本节中我们会介绍 Matplotlib 中用来构建子图表的四个函数。

2023-11-27 22:58:13 44

原创 python——个性化颜色条

图例可以将离散的点标示为离散的标签。对于建立在不同颜色之上的连续的值(点线面)来说,标注了的颜色条是非常方便的工具。Matplotlib 的颜色条是独立于图表之外的一个类似于比色卡的图形,用来展示图表中不同颜色的数值含义。

2023-11-27 22:35:07 850

原创 python——自定义图标图例

图例可以为可视化赋予实际含义,为不同的图标元素附上明确说明。我们前面看到了一些简单的图例创建例子;本小节中我们来介绍一下在 Matplotlib 中自定义图例的位置和进行美化的方法。

2023-11-27 22:06:50 697

原创 python——直方图,分桶和密度

使用Matplotlib的直方图函数绘制一维以及二维直方图

2023-11-27 21:32:27 93

原创 python——密度和轮廓图

有些情况下,我们需要在二维图表中使用轮廓或颜色区域来展示三维的数据(可以设想等高线地图或温度分布图)。绘制轮廓图,来绘制填充区域颜色的图表以及plt.imshow来展示图像。

2023-11-27 16:19:15 56

原创 python图表误差可视化

在数据和结果的可视化中,有效地展示这些误差能使你的图表涵盖和提供更加完整的信息。

2023-11-27 15:39:24 143

原创 Matplotlib操作——简单散点图

另一种常用的图表类型是简单散点图,它是折线图的近亲。不像折线图,图中的点连接起来组成连线,散点图中的点都是独立分布的点状、圆圈或其他形状。

2023-11-27 15:10:43 149

原创 Matplotlib操作——简单的折线图

Matplotlib 是一个 Python 的 2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。

2023-11-27 11:21:59 180

pandas数据预处理

pandas数据预处理

2023-12-04

python-图表文本和标注

美国出生率数据

2023-11-28

matplotlib-密度和轮廓图

matplotlib-密度和轮廓图

2023-11-27

matplotlib-误差可视化

matplotlib-误差可视化

2023-11-27

Matplotlib操作-简单散点图

Matplotlib操作-简单散点图

2023-11-27

Matplotlib操作-简单的折线图

Matplotlib操作-简单的折线图

2023-11-27

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