人工智能
文章平均质量分 71
海绵宝宝选购儿
这个作者很懒,什么都没留下…
展开
-
人工智能-作业5:卷积-池化-激活
实现【卷积-池化-激活】代码,并分析总结卷积:激活:池化:1. For循环版本:手工实现 卷积-池化-激活import numpy as npx = 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,原创 2022-05-22 20:16:37 · 110 阅读 · 0 评论 -
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。卷积就是针对像素点的空间依赖性对图像进行处理的一种技术。常用于图像的特征提取,下图的过程就是卷积卷积核是一个二维矩阵,矩阵中的数值为图形中与卷积核同样大小的子块像素点进行卷积计算时所采用的权重。多通道 CNN中的一次性卷积要处理的多组数据卷积结果:称为特征图;特征选择 寻找最优特征子集。特征选择能剔除不相关(irrelevant)或冗余(redundant )的特征,从而达到减少特征个数,提高模型精确度,减少运行时间的目的。二、探究不原创 2022-05-15 12:40:54 · 413 阅读 · 0 评论 -
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import torchx1, x2 = torch.Tensor([0.5]), torch.Tensor([0.3])y1, y2 = torch.Tensor([0.23]), torch.Tensor([-0.07])print("=====输入值:x1, x2;真实输出值:y1, y2=====")print(x1, x2, y1, y2)w1, w2, w3, w4, w5, w6, w7, w8 = torch.Tensor([0.2]), to原创 2022-05-08 17:40:07 · 161 阅读 · 0 评论 -
人工智能作业2:反向传播优化权值的程序复现
神经网络,通过反向传播优化权值python程序复现原创 2022-04-30 23:43:21 · 902 阅读 · 0 评论 -
人工智能-作业1:Pycharm安装配置,PyTorch实现反向传播
安装配置pycharm; Pytorch实现反向传播;原创 2022-04-29 17:32:20 · 2352 阅读 · 1 评论