- 博客(13)
- 收藏
- 关注
RSS订阅原创 Pytorch 深度学习 第十一讲
CNN（高级篇）Inception 的内部构造1*1卷积的巧用1*1卷积层的巧用（可以使运算量级减少1/10，从而提升速度）关于模型各层的代码解读将这4个模块拼在一起
2022-02-20 16:13:56
617
原创 Pytorch 深度学习 第十讲
CNN原理图Feature Extraction 为特征提取层负责提取C1，S1，C2，S2的特征作为一个向量Classifiction 为分类器，将得到的向量进行全连接一般有RGB三种通道，C*W*H卷积过程，是数字与数字的相乘，并不是矩阵乘法每一个核都要配备一个通道，若通道有3个，则有3个核；若通道有5个，则有5个核；相应的如果想要有m个输出通道，则需要有m个核。即：卷积核通道数=输入通道数，卷积核个数=输出通道数import torchin_channels,
2022-02-18 11:48:51
706
原创 Pytorch 深度学习 第八讲
加载数据集import torchimport numpy as npfrom torch.utils.data import Datasetfrom torch.utils.data import DataLoader'''Dataset是一个抽象函数，不能直接实例化，所以我们要创建一个自己类，继承Dataset继承Dataset后我们必须实现三个函数：__init__()是初始化函数，之后我们可以提供数据集路径进行数据的加载__getitem__()帮助我们通过索引找到某个样
2022-02-17 10:52:23
810
原创 Pytorch 深度学习 第七讲
处理多维数据特征的输入关于一维特征的输入（也就是只有一个x）应该如何处理？比如下图这个预测一个人在一年之后得糖尿病的概率的例子，这个时候我们的输入将会有很多的指标。你可以把它看成是我们体检的各种值。最后一排的Y代表了他是否会得糖尿病。那么多维的特征输入应该怎么办呢？我们就需要把每一个特征x付以相应的权重。在进行逻辑回归时，把每一个维度的x乘相应的权值的和加上一个偏置量，送入sigmoid函数进行二分类，就像这样：import torchimport torch.nn.f.
2022-02-17 10:33:28
1021
原创 Pytorch 深度学习 第六讲
logistic regression 逻辑回归本节课的一些重点：此图为一些常用的激活函数的示例 2.逻辑回归是在线性回归基础上在最后的结果上乘了sigmoid（激活函数），也称为饱和函数3.二分类损失函数4.预测与标签越接近，BCE损失越小。np.linspace()的用法_nibidal的博客-CSDN博客代码中在画图时有np.linespace()语句，在这里有关于此语句的解释import torch.nn# 引入Mnist数据集import tor...
2022-02-12 20:50:19
645
原创 Pytorch 深度学习 第五讲
用Pytorch完成线性回归以下是pytorch提供的优化器准备数据集 用类来设计模型 构造损失函数和优化器 训练循环（前向，反向，更新）import torchx_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])class LinearModel(torch.nn.Module): # 构造函数（初始化对象） def __init__(.
2022-02-11 22:56:16
870
原创 Pytorch 深度学习 第四讲
反向传播算法back propagation在反向传播中，w是所求的目标，x是输入，y_pred是输出，先正向求出loss值，再通过偏导数进行反向计算，最后计算出w的值类似于老师讲的这个例子，假设w张量为1,然后进行正向推导，得到loss值，进行反向求偏导。import torchx_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]w = torch.tensor([1.0]) //w为张量w.requires_grad = True .
2022-02-10 11:41:48
942
2
原创 Pytorch深度学习 第三讲
代码说明：梯度下降算法1.在线性模型的改良下进行，深度学习算法中，并没有过多的局部最优点。2.随机梯度下降法在神经网络中被证明是有效的。效率较低(时间复杂度较高)，学习性能较好。随机梯度下降法和梯度下降法的主要区别在于：1、损失函数由cost()更改为loss()。cost是计算所有训练数据的损失，loss是计算一个训练函数的损失。对应于源代码则是少了两个for循环。2、梯度函数gradient()由计算所有训练数据的梯度更改为计算一个训练数据的梯度。3、本算法中的随机梯度主要是指，
2022-02-08 22:43:52
73
原创 Pytorch 深度学习第二讲
第2讲 linear_model 源代码B站 刘二大人 ，传送门 《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili代码说明：1.此代码就是求均方方差的一个过程2、for循环中，使用了np.arange，第一个参数是起点，第二个是终点，第三个是步长。3、python中zip()函数的用法，Python 函数 | zip 函数详解_Amo Xiang的博客-CSDN博客_zip函数import numpy as np //引用numpy包import matplo.
2022-02-08 11:30:45
98
原创 存储层次结构概述（包含策略）
L1高速缓存U B L2高UMRU 2nd 3rd LRU U A D B 访问VBD访问VL1先访问，L1中没有，把U替换为V。M-U因为包含策略：将L2中的B换为V，依照最近最久未使用的规则，再进行排序，类似队列，从左往右走一个，将V放置为MRU的位置。L2中M-B以此类推...
2021-12-09 22:40:05
90
原创 python爬虫（个人学习笔记）
在学习过程中是跟随https://www.bilibili.com/video/BV12E411A7ZQ?p=26&spm_id_from=pageDriver视频中的老师自己多写两遍也就熟悉了，主要还是字母的拼写的正确率还有缩行问题一.正则表达式相关知识一、校验数字的表达式1. 数字：^[0-9]*$2. n位的数字：^\d{n}$3. 至少n位的数字：^\d{n,}$4. m-n位的数字：^\d{m,n}$5. 零和非零开头的数字：^(0|[1-9][0.
2021-08-16 12:04:48
117
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