- 博客(6)
- 收藏
- 关注
原创 人工智能-作业6:CNN实现XO识别
目录模型构建与测试构建模型训练模型测试准确率查看模型查看训练好模型的特征图查看训练好模型的卷积核代码训练模型代码测试模型代码参考文章模型构建与测试构建模型实现代码class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 9, 3) self.maxpool = nn.MaxPool2d(2, 2)
2022-05-23 23:47:31
92
原创 人工智能-作业5:卷积-池化-激活
目录手工实现卷积、池化、激活使用pytorch函数实现卷积、池化、激活可视化:了解数字与图像之间的关系参考文章手工实现卷积、池化、激活卷积核:Kernel[0] = np.array([[1, -1, -1], [-1, 1, -1], [-1, -1, 1]])Kernel[1] = np.array([[1, -1, 1], [-1, 1, -1],
2022-05-23 17:07:08
73
原创 人工智能 作业4:CNN - 卷积
目录概念描述卷积卷积核多通道特征图特征选择不同卷积核的作用和原理编程实现经典卷积核,实现灰度图的边缘检测、锐化、模糊调整经典卷积核参数使用不同尺寸图片探索更多类型卷积核尝试彩色图片边缘检测总结概念描述卷积卷积核多通道特征图特征选择不同卷积核的作用和原理编程实现经典卷积核,实现灰度图的边缘检测、锐化、模糊调整经典卷积核参数使用不同尺寸图片探索更多类型卷积核尝试彩色图片边缘检测总结...
2022-05-10 21:13:16
695
原创 人工智能 作业3:例题复现 使用Pytorch实现反向传播
目录:例题复现:使用深度学习框架Pytorch显示反向传播对比:手动和使用Pytorch实现反向传播结果对比实现方法对比修改:激活函数使用Pytorch自带函数torch.sigmmod使用Relu修改:损失函数修改使用Pytoch自带函数t.nn.MSELose![在这里插入图片描述](https://img-blog.csdnimg.cn/0b4b04750e9143e194342824818138a2.png)使用交叉熵修改:其他参数改变步长和训练次数权值改为随机数总结:心得体会参考文章例题复现:使
2022-05-10 10:52:52
453
原创 人工智能-作业2:例题程序复现
如图所示,参数为:输入值:x1, x2 = 0.5,0.3输出值:y1, y2 =0.23, -0.07激活函数:sigmoid损失函数:MSE初始权值:0.2 -0.4 0.5 0.6 0.1 -0.5 -0.3 0.8目标:通过反向传播优化权值实现代码:def sigmoid(z): a = 1 / (1 + np.exp(-z)) return adef forward_propagate(x1, x2, y1, y2, w1, w2, w3, w4, w5, .
2022-05-01 15:14:02
61
原创 人工智能 作业1:PyTorch实现反向传播
这里写自定义目录标题安装Pycharm安装Python安装Pycharm安装Pytorch实现反向传播安装Pycharm安装Python进入python官网python.org,点击Downloads选择一个需要的python版本进行下载安装安装完成的界面如图所示安装Pycharm进入官网pycharm选择一个版本进行下载,其中Community是社区版,免费使用勾选需要的选项,点击Next安装完成后,双击打开即可安装Pytorch进入Pytorch官网pytorch.org
2022-04-29 23:05:13
1730
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