AI
文章平均质量分 62
r02~
这个作者很懒,什么都没留下…
展开
-
人工智能作业6
CNN实现XO识别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 构建模型 class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 9, 3) self.maxpool = nn.MaxPool2d(2, 2)原创 2022-05-29 10:45:22 · 134 阅读 · 0 评论 -
人工智能作业5
实现卷积-池化-激活功能for循环版本pytorch版本可视化 for循环版本 手工实现 使用三个初始定义的卷积核进行卷积,再经过最大池化,激活后得到图片的特征化表现。 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],原创 2022-05-23 20:33:48 · 149 阅读 · 0 评论 -
人工智能作业4
卷积一、卷积有关概念二、不同卷积核的作用三、编程实现四、总结 一、卷积有关概念 1.卷积 其本质上是一种互相关函数计算或者是图像处理中的空间滤波器 数学中卷积,主要是为了诸如信号处理、求两个随机变量和的分布等而定义的运算,所以需要“翻转”是根据问题的需要而确定的 卷积神经网络中“卷积”,是为了提取图像的特征,其实只借鉴了“加权求和”的特点 另外数学中的“卷积核”都是已知的或者给定的,卷积神经网络中“卷积核”本来不是给定的,是根据数据训练学习的。 2.卷积核 其实就是一个矩阵,它的作用就是提取特征,不同卷积核原创 2022-05-16 14:38:18 · 601 阅读 · 0 评论 -
人工智能作业3
一、使用pytorch复现课上例题。 import torch x1, 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]),原创 2022-05-08 23:02:46 · 527 阅读 · 0 评论 -
人工智能作业2
例题 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 (1)反向传播一轮,检验PPT数值 (2)增加到五轮,测试收敛 (3)改变步长,看收敛速度 (4)扩展到n轮,步长为5,训练N=1000,查看效果 (5)修改输出值y2为正 代码: import numpy as np def sigmoid(z):原创 2022-05-01 10:30:15 · 97 阅读 · 0 评论 -
人工智能-作业1
一、安装PyCharm 参考博文https://www.runoob.com/w3cnote/pycharm-windows-install.html即可 二、安装pytorch 1.首先要查看自己对应的驱动版本 进入控制面板查看对应版本,安装cuda时要安装比自己版本低的 我发现自己的控制面板双击后打不开,具体解决方法如下 http://m.xitongzhijia.net/xtjc/20211208/235110.html torch-torchvision-python版本对应关系 CUDA Too原创 2022-05-01 10:29:07 · 81 阅读 · 0 评论