- 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
文章目录一、数据集二、构建模型二、使用步骤1.引入库2.读入数据总结一、数据集数据从基于 matlab、 caffe 和 tensorflow 的卷积神经网络这个网址进行下载。由于老师已经在群中发了训练数据，所以在群中直接下载即可。部分训练数据二、构建模型class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 9, 3
2022-05-24 14:42:45
144
原创 人工智能-作业5：卷积-池化-激活
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、使用步骤1.引入库代.
2022-05-23 16:49:30
187
原创 人工智能作业（四）-- CNN - 卷积
文章目录一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。二、探究不同卷积核的作用，研究背后的原理三、编程实现1.1.经典卷积核，实现灰度图的边缘检测、锐化、模糊。四、总结五.参考资料：一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积：图像中不同数据窗口的数据和卷积核（一个滤波矩阵）作内积的操作叫做卷积。其计算过程又称为滤波（filter)，本质是提取图像不同频段的特征。卷积核：也称为滤波器filter，带着一组固定权重的神经元，通常是nm二维的矩阵，n和m也是神经元的感受野。
2022-05-15 21:58:16
558
原创 人工智能作业（三）--例题程序复现Pytorch版
人工智能作业（三）–例题程序复现Pytorch版文章目录人工智能作业（三）--例题程序复现Pytorch版一、使用pytorch复现课上例题二、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？三、【作业2】程序更新四、对比【作业2】与【作业3】的反向传播的实现方法。总结并陈述。五、激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述。六、激活函数Sigmoid改变为Relu，观察、总结并陈述。七、损失函数MSE用PyTorch自带函
2022-05-08 21:47:55
519
原创 人工智能作业（二）-- 例题程序复现
反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。 这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。（误差的反向传播）反向传播一、反向传播思想二、使用步骤1.引入库2.读入数据总结一、反向传播思想二、使用步骤1.引入库代码如下（示例）：import numpy as npimport pandas as pdimport .
2022-05-01 19:41:42
165
原创 人工智能作业（一）-- 安装Pycharm,配置Pytorch,Pytorch实现反向传播
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档人工智能作业（一）--安装Pycharm,配置Pytorch,Pytorch实现反向传播一、PyCharm 安装二、Pytorch安装1.引入库2.读入数据总结一、PyCharm 安装由于之前学习机器学习已经配置好Python环境，所以这里也就不再多详细写了，Python download网址下载安装即可，由于Python小版本兼容，大版本不兼容，所以尽量选择Python3.7以上版本。嫌麻烦的话，安装Anconda更加简单方便。.
2022-05-01 18:46:52
2552
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