- 博客(6)
- 收藏
- 关注
RSS订阅原创 人工智能-作业6：CNN实现XO识别
目录数据集构建模型训练模型测试训练好的模型计算模型的准确率查看训练好的模型的特征图查看训练好的模型的卷积核训练模型源代码测试模型源代码数据集Convolutional Neural Networks with Matlab, Caffe and TensorFlow — Optophysiology (uni-freiburg.de)构建模型class Net(nn.Module): def __init__(se..
2022-05-23 21:26:27
161
原创 人工智能-作业5：卷积-池化-激活
1. For循环版本：手工实现 卷积-池化-激活import numpy as np x = np.array([[-1, -1, -1, -1, -1, -1, -1, -1, -1], [-1, 1, -1, -1, -1, -1, -1, 1, -1], [-1, -1, 1, -1, -1, -1, 1, -1, -1], [-1, -1, -1, 1, -1, 1, -1, -1, -1],
2022-05-22 12:18:15
185
原创 人工智能-作业4：CNN - 卷积
一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积的概念还可以推广到数列、测度以及广义函数上去。定义：卷积是两个变量在某范围内相乘后求和的结果。在数学上，卷积核的标准定义是两个函数在反转和移位后的乘积的积分：多通道模式是把含有通道的图像分割成单个的通道。特征图（feature map）：即数据的存储图，每个卷积层都包含输入特征图（Input）和输出特征图。其包含高度、宽度、深度三个维度和通道数、批量尺寸两个参数（维度）。特征选择(feature selection)也被称为变量
2022-05-16 18:41:44
186
原创 【人工智能-作业3：例题程序复现 PyTorch版】
1使用pytorch复现课上例题。2对比【作业3】和【作业2】的程序，观察两种方法结果是否相同？如果不同，哪个正确？3【作业2】程序更新（保留【作业2中】的错误答案，留作对比。新程序到作业3。）4对比【作业2】与【作业3】的反向传播的实现方法。总结并陈述。5激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述。6激活函数Sigmoid改变为Relu，观察、总结并陈述。7损失函数MSE用PyTorch自带函数 t.nn.MSELoss()替代，观察、总..
2022-05-09 17:54:42
327
原创 人工智能-作业1：PyTorch实现反向传播
1.pycharm安装PyCharm 是一款功能强大的 Python 编辑器，具有跨平台性。打开PyCharm官网，选择安装Community社区版本下载安装。当下载好以后，点击安装，记得修改安装路径，我这里放的是E盘，修改好以后，Next我们可以根据自己的电脑选择32位还是64位点击Install,然后就是静静的等待安装了。如果我们之前没有下载有Python解释器的话，在等待安装的时间我们得去下载python解释器如下所示，选择我们需要的python版本号，
2022-05-01 21:33:03
1897
原创 人工智能-作业2：例题程序复现
反向传播算法（Backpropagation）是目前用来训练人工神经网络（Artificial Neural Network，ANN）的最常用且最有效的算法。其主要思想是： （1）将训练集数据输入到ANN的输入层，经过隐藏层，最后达到输出层并输出结果，这是ANN的前向传播过程； （2）由于ANN的输出结果与实际结果有误差，则计算估计值与实际值之间的误差，并将该误差从输出层向隐藏层反向传播，直至传播到输入层； （3）在反向传播的过程中，根据误差调整各种参...
2022-05-01 19:42:31
1791
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