![](https://img-blog.csdnimg.cn/20190918135101160.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
深度学习
文章平均质量分 84
深度学习代码
小白学习记录
用来记录自己python学习,希望一切都顺利
展开
-
图神经网络--GNN从入门到精通
图是由节点和边组成的,如下图所示。一般图中的节点表示实体对象(比如一个用户、一件商品、一辆车、一张银行卡等都可以作为节点),边代表事件或者实体之间的特殊关系(比如用户和商品之间的购买关系)。原创 2023-12-31 23:19:21 · 1553 阅读 · 0 评论 -
2023年3月版联邦学习(fate)从主机安装到实现联邦学习
从安装到完成一个demo版本横向联邦学习原创 2023-03-02 17:21:51 · 6719 阅读 · 35 评论 -
图机器学习【从理论到实战】
图机器学习1、图机器学习导论1.1图神经网络与普通神经网络的异同2、图的基本表示和特征工程2.1 图的基本表示2.1.1 图的本体设计2.1.2 图的种类2.1.3节点连接数(度)2.1.4图的基本表示(邻接矩阵)节点数量少使用2.1.5图的基本表示(连接列表和邻接列表)数量巨大采用2.1.6图的连通性1、图机器学习导论1.1图神经网络与普通神经网络的异同传统神经网络以往:随着机器学习、深度学习的发展,语音、图像、自然语言处理逐渐取得了很大的突破,然而语音、图像、文本都是很简单的序列或者网格数据,原创 2023-02-13 10:58:16 · 1404 阅读 · 0 评论 -
RNN与LSTM
RNN与LSTM本文来源于视频https://www.bilibili.com/video/BV1e5411K7oW?p=21、RNN(循环神经网络)带时间序列的任务场景例子:语音识别,生成一段音乐,情感分析特点:前后关联强,“前因后果”标准神经网络建模弊端传统神经网络:x1,x2....x_1,x_2....x1,x2....为输入特征,y1,y2...y_1,y_2...y1,y2...为输出-缺点:单纯的神经网络结构,不共享文本从不同位置上学到的特征参数量原创 2022-01-13 19:29:51 · 372 阅读 · 0 评论 -
pytorch实现的loss function
pytorch实现的loss function神经网络主要实现分类以及回归预测两类问题对于分类,主要讲述二分类交叉熵和多分类交叉熵函数,对于回归问题,主要讲述均方损失函数,而对于一些回归问题,需要根据特殊情况自定义损失函数。1、所有的loss的基类是Module,所以使用loss的方法是:# 1. 创建损失函数对象,并指定返回结果,默认为:平均值 以MSE为例criterion = MSELoss(reduction='...')# 2. 定义input x, traget yx = tor原创 2022-03-26 17:50:05 · 144 阅读 · 0 评论 -
cnn pytorch实现(从获取数据到训练模型)
目录cnn整体框架(从获取数据到训练模型)1、导入必要包2、获取数据3、数据处理1、生成张量2、数据装载3、数据预处理4、定义模型0、nn.Sequential容器1、卷积2、激活3、最大池化4、全连接层5、Dropout层6、softmax层7、前向传播5、实例化以及定义6、模型训练与参数优化cnn整体框架(从获取数据到训练模型)1、导入必要包from torch.utils.data import DataLoad原创 2021-11-02 19:36:26 · 7518 阅读 · 4 评论 -
对抗网络实现特征迁移技术路线
对抗网络实现特征迁移技术路线:特征提取器目标:将源域和目标域样本输入,目标是使得提取的特征与域无关,同时能够正确分类。分类器目标:训练源域模型损失函数的目的是:预测的源域分类器标签与真实标签相差尽可能小域判别器目标:将源域特征和目标域特征尽可能区分。目标是:分清楚源域与目标域损失函数的目的是:预测的源域判别标签与真实域标签相差尽可能小最终目标:通过特征提取器和域判别器之间相互对抗,训练出一个能够提取域不敏感同时有很好分类能力的特征。测试:目标域测试目标:使用训练好的源域分原创 2021-12-15 12:29:50 · 2492 阅读 · 1 评论 -
csSEnet注意力网络
csSEnet注意力网络原创 2022-04-25 13:10:09 · 4020 阅读 · 0 评论 -
手写数字的识别问题
手写数字的识别问题pytorch中核心包,torch和torchvisiontorchvision.datasets 数据的导入——datasets.MNIST(手写数据集)torchvision.transforms 数据的变换torch.autograd 自动梯度——autograd.Variableimport torchfrom torchvision import datasets, transformsfrom torch.autograd import Variable数据原创 2021-11-15 15:20:01 · 1858 阅读 · 0 评论 -
IEEE PHM 2012挑战赛的实验数据集简介
IEEE PHM 2012挑战赛的实验数据集原创 2022-03-26 16:37:54 · 7481 阅读 · 35 评论