- 博客(4)
- 收藏
- 关注
RSS订阅原创 BP神经网络，实战minist数据集
整个训练循环的目的是通过不断地调整模型的参数来最小化损失函数，从而使模型能够更好地预测数据。这段代码的目的是直观地展示模型在测试集上的预测能力，通过显示图像及其对应的预测标签，可以判断模型是否正确地识别了图像中的数字。会返回测试数据批次的枚举，其中每个元素是一个元组，包含批次的索引和批次的数据（图像和标签）。它用于根据计算出的梯度来更新模型的参数。第四段代码是用于测试训练好的神经网络模型在测试集上的表现，并可视化一些预测结果。整体来说，这是一个非常基础的神经网络模型，适用于处理简单的图像分类任务。
2024-03-28 18:41:49
1757
原创 深度学习-梯度下降
首先，要明确一点，梯度下降法通常用于求解函数的极值，特别是当函数没有显式解或者求解过程非常复杂时。对于函数y = x^2，其最小值是非常直观的，即当x = 0时，y取得最小值0。梯度下降法的核心思想是通过迭代的方式，沿着函数梯度的反方向更新参数，从而逐渐逼近函数的最小值。对于函数y = x^2，其梯度（即导数）为*{dy}/{dx} = 2x。其中，a是学习率，它决定了每次迭代的步长。在运行过程中，虽然能够运行出来，运行没有任何问题，但还是会报错，报错原因是。修改过后源代码改为现在代码。
2024-03-17 09:05:31
1247
原创 深度学习-2基础语法
reshape()函数返回一个新的张量，而view()函数返回一个与原始张量共享存储空间的张量。这意味着，当你使用reshape()函数改变张量形状时，会创建一个新的张量对象，而原始张量对象不会改变。而当你使用view()函数改变张量形状时，会返回一个新的张量对象，但是它与原始张量对象共享存储空间，因此对新张量的修改也会影响原始张量。张量的意思是一个多维数组，它是标量、向量、矩阵的高维扩展。总的来说，这段代码展示了如何使用PyTorch创建一个需要计算梯度的张量，进行简单的数学操作，并计算梯度。
2024-03-15 23:42:39
1463
原创 深度学习环境配置
你可以创建、查看、更新、删除和激活不同的虚拟环境。每个虚拟环境都是独立的，这意味着你可以为每个项目或任务设置特定的 Python 版本和包依赖，而不会与其他项目或系统全局的 Python 环境发生冲突。是用于管理 Anaconda 中 Python 虚拟环境的命令行工具。Anaconda 是一个流行的数据科学平台，它包括了 Python、（包管理器和环境管理器）以及大量常用的数据科学包。的新环境，并安装 Python 3.8。6，再次查看当前环境，只剩下base，命令查看更多详细的选项和用法。
2024-03-14 22:59:41
249
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人