- 博客(16)
- 收藏
- 关注
RSS订阅原创 鸿蒙os第四次培训
添加权限列表：ohos.permission.INTERNET，添加网络权限 一个页面只支持一个web组件，会全屏显示，若页面中还有其他组件，会被web组件覆盖，web组件不跟随转场动画 添加权限列表： ohos.permission.CAMERA...
2022-07-08 16:12:57
515
1
原创 鸿蒙第三次培训
java目录：仅Phone、Tablet、TV和Wearable设备的JS工程才存在，作为HarmonyOS应用/服务的启动入口。common目录：用于存放公共资源文件，如媒体资源、自定义组件和JS文档等。i18n目录：用于存放多语言的json文件，可以在该目录下定义应用/服务在不同语言系统下显示的内容，如应用/服务文本词条、图片路径等，详情请参考多语言支持。pages目录：pages文件夹下可以包含1个或多个页面，每个页面都需要创建一个文件夹。页面文件夹下主要包含3种文件类型：css、js和hml文
2022-07-04 11:30:37
134
原创 moderlarts第二次培训
1.AI Gallery 下载数据集，下载到obs桶内2.创建文本分类数据集，路径选择刚刚下载的位置3.创建数据输出文件夹 然后创建文本分类项目 选择已有数据集导入数据集后，模式选择文本和标注分离模型训练...
2022-06-19 21:22:51
95
原创 线性回归+基础优化
线性回归+基础优化算法线性模型中n维输入就可以用向量表示，n维权重也可以用向量表示，以及一个标量偏差（这其实就是普通的变量，例如y=ax+b中的b）。通过向量表示就可以是y=+b（内积+b）。衡量预测质量：损失函数=1/2(真实值-估计值)^2，前面的常量是为了求导的时候可以凑1。这样的函数成为平方损失训练损失中，1/2是平方损失中原本就有的，1/n是为了求每个训练样本的平均损失；是求每个样本的估计值，右侧的向量版本可能更容易理解。最小化损失就是为了求解局部最优的w和b可以简单思考一......
2022-06-19 20:44:30
132
原创 鸿蒙第二次培训
1.准备相关文件及图片等1.1.准备文件（1）在common下创建用来创建小组件的文件夹components并在下方创建tabbar组件页面（2）在common下创建datas文件并创建tabbarItem.js文件用来存储导航栏组件相关信息（图标路径，value值，选中后图标路径）（3）在common.pages下创建相关页面1.2.在config.json中配置页面1.3.下载导航栏图标iconfont-阿里巴巴矢量图标库 2.创建小组件2.1.在datas中创建小组件相关信息（simg是选中后
2022-06-15 21:38:14
62
原创 Numpy库
1.列表和数组列表中每一个元素的数据类型可以不同数组每个元素数据类型相同2.数据维度的python表示一维数据：列表和集合类型二维数据：列表类型，是多个一维数据组合而成多维数据：列表类型，是一维或二维数据在新维度上扩展形成高维数据：字典类型，仅仅使用最基本的二元关系展示数据间的复杂结构3.Numpy的引用Import numpy as npN维数组对象 ndarray 在数组a b中，np使a和b成为一个数组对象可以直接相加减ndarray数组对象可以去掉元素之间所需要的循环，使一维向量更想单个数据，可以提
2022-06-03 11:15:51
67
原创 【手写数字识别】之优化算法
1.前提条件在优化算法之前，需要进行数据处理、设计神经网络结构2.设置学习率学习率代表参数更新幅度的大小，即步长。当学习率最优时，模型的有效容量最大学习率越小，损失函数变化速度越慢，学习率越大，会导致参数在最优解附近震荡，损失难以收敛3.学习率的主流优化算法目前四种比较成熟的优化算法：SGD、Momentum、AdaGrad和Adam SGD：随机梯度下降算法，每次训练少量数据，抽样偏差导致的参数收敛过程中震荡。 Momentum：引入物理“动量”的概念...
2022-05-31 09:43:37
422
原创 手写数字识别之损失函数
1.损失函数的定义损失函数是模型优化的目标，用于在众多的参数取值中，识别最理想的取值。1）先根据输入数据正向计算预测输出。2）再根据预测值和真实值计算损失。3）最后根据损失反向传播梯度并更新参数2.分类任务的损失函数2.1Softmax函数如果模型能输出10个标签的概率，对应真实标签的概率输出尽可能接近100%，而其他标签的概率输出尽可能接近0%，且所有输出概率之和为1。2.2交叉熵...
2022-05-28 11:39:57
302
原创 使用飞桨重写波士顿房价预测人物
首先加载飞桨，NumPy和相关类库import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport numpy as npimport osimport random动态图模式（命令式编程范式，类比Python）：解析式的执行方式。用户无需预先定义完整的网络结构，每写一行网络代码，即可同时获得计算结果；1.数据处理2.模型设计飞桨建议通过创建Python类的方式完成模型网络的定..
2022-05-14 15:56:30
496
原创 示例：波士顿房价预测
1. 线性回归模型假设房价和各影响因素之间能够用线性关系来描述：模型的求解即是通过数据拟合出每个wjw_jwj和bbb。其中，wjw_jwj和bbb分别表示该线性模型的权重和偏置。一维情况下，wjw_jwj 和 bbb 是直线的斜率和截距。2. 使用Python和NumPy实现波士顿房价预测任务2.1 数据处理数据处理包含五个部分：数据导入、数据形状变换、数据集划分、数据归一化处理和封装load data函数。数据预处理后，才能被模型调用。2.2 模型设计实
2022-05-09 10:15:00
501
原创 AI算法第一周复习
一.1. 人工智能、机器学习、深度学习的关系人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的，三者的关系即：人工智能 > 机器学习 > 深度学习。2. 机器学习机器学习的实现可以分成两步：训练和预测（8:2）归纳：从一定数量的样本（已知模型输入XXX和模型输出YYY）中，学习输出YYY与输入XXX的关系（可以想象成是某种表达式）演绎：。基于训练得到的YYY与XXX之间的关系，如出现新的输入XXX，计算出输出YYY。通常情况下，如果通过模型计算的输出和真实场景的输出一
2022-05-09 09:12:56
90
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