人工智能概论--第六次作业（AutoEncoder）

最新推荐文章于 2024-08-13 18:29:56 发布
最新推荐文章于 2024-08-13 18:29:56 发布
阅读量80 收藏
点赞数
文章标签： pycharm python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_66307464/article/details/130055381
版权

1、训练数据

3ba630c02b624d55bf9cae4652d18099.jpg

06bd8c8662084c7dbc1aeaef92fedc9f.jpg 

训练的手写4

bf0c8a9ef1cc438d8046148d69e157d5.png

 2、AutoEncoder

1949ce584d614cb080d85e0162e632a6.jpg

3、训练

b596777408b649e5afe0a34a11f5d9b5.jpg

训练结果

9f39f67f78914e1dad6ae51c767855e5.png

4、画3D图

bead2d0135194ababa60d3e37a67c521.jpg

 3D图

2b8621a333a34f11a6c7fc78bc7e0b33.png

 

Suqimei111
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
time-series-autoencoder:Pytorch双注意LSTM自动编码器，用于多元时间序列预测
05-01
下载和依赖项要克隆存储库，请运行： git clone https://github.com/JulesBelveze/time-series-autoencoder.git要安装所有必需的依赖项，请运行： pip install -r requirements.txt用法python main.py [-h] [--batch...
tensorflow-2-variational-autoencoder
04-14
**标题：“TensorFlow 2 变分自编码器 (Variational Autoencoder, VAE) 实现详解** **一、变分自编码器介绍** 变分自编码器（Variational Autoencoder, VAE）是一种深度学习模型，它结合了自编码器（Autoencoder）...
人工智能概论第六次作业
weixin_52111811的博客
04-14 79
optimizer.zero_grad() # 此训练步骤的清晰坡度。loss = loss_func(decoded, b_y) # 均方误差。nn.Linear(12, 3), # 压缩成3个特征，进行3D图像可视化。# 数据加载器，用于在训练中简单地进行小批量返回，图像批量形状将为（50，1，28，28）nn.Sigmoid(), # 激励函数让输出值在 (0, 1)nn.Tanh(), #激活。# 绘制解码图像（第二行）plt.ion() # 连续绘图。
【人工智能概论】 自编码器（Auto-Encoder , AE）
qq_44928822的博客
01-21 4496
自编码器（Auto-Encoder , AE）
【人工智能概论】 变分自编码器（Variational Auto Encoder , VAE）
qq_44928822的博客
02-02 6174
变分自编码器（Variational Auto Encoder , VAE）
01 统计学习方法-第一章：统计学习及监督学习概论
qq_52236549的博客
04-08 843
统计学习方法 第二版 第一章
人工智能-自编码器-autoencoder-生成MNIST数据-variational-autoencoder-master
03-16
标题中的“人工智能-自编码器-autoencoder-生成MNIST数据-variational-autoencoder-master”揭示了这个项目的核心内容，即利用变分自编码器（Variational Autoencoder, VAE）来生成MNIST手写数字数据集。这涉及到...
autoencoder-kl-dummy
04-01
标题中的"autoencoder-kl-dummy"指的是一个与自动编码器（Autoencoder）相关的项目，其中"kl-dummy"可能是项目的一个特定部分或者使用的损失函数，可能是Kullback-Leibler散度（KL散度）的简写或某种简化版本。...
Sparse-Autoencoder-Tensorflow-master.rar_autoencoder_tensorflow_
07-13
稀疏自编码结构，用一个训练样例。。。。。。
PyCharm 中使用文件监视器自动处理 Python 文件
li_yatao的博客
08-10 727
PyCharm 是一个功能强大的 IDE，它的文件监视器（File Watchers）功能可以帮助开发者自动执行一些常见任务，比如代码格式化、静态分析、测试运行等。这篇文章将详细介绍如何配置文件监视器，使其在保存 Python 文件时自动运行指定的工具。
Python新手错误集锦（PyCharm）
2301_79207206的博客
08-06 1685
自学Python，用Pycharm作环境。我这个手新到这时我学习的第一个编程软件，且本人专业是化学，以前对电脑最高级的使用是玩扫雷游戏。所以这里集合的错误都是小透明错误，大部分人请绕道。不断更新中......
PyCharm 2024.1 最新变化
NiNg_1_234的博客
08-05 714
2024.1 版本不仅增强了对现代前端开发的支持，还通过引入新的工具和优化现有功能，进一步提升了用户的编程和协作效率。从机器学习到Web开发，再到数据库管理，PyCharm 2024.1 都带来了重要的更新，使其成为了一个更加强大和全面的开发工具。新终端提供了高级功能，例如便捷的命令导航、提示与输出键盘快捷键切换、命令补全，以及命令历史记录的快速访问。借助 AI Assistant，您不仅可以获得查询响应的架构感知型解释，还可以通过数据库上下文提供的上下文快速生成查询，并在数据库内执行智能搜索。
如何把命令行创建python虚拟环境与pycharm项目管理更好地结合起来
阿甘的专栏
08-13 233
我在linux或windows下的某个目录如“X”下使用命令行的方式创建了一个python虚拟环境，对应的目录为myvenv, 现在我想使用pycharm创建python项目myproject，并且利用虚拟环境myvenv，怎么办？
Pycharm 常用快捷键
文始道宗藏经阁
08-07 631
快捷键 作用描述 Ctrl + Space 基本的代码自动完成 Ctrl + Shift + Space 选择代码自动完成 Ctrl + D 复制当前行或符号 Ctrl + X 剪切当前行或符号 Ctrl + C 复制当前行或符号 Ctrl + V 粘贴剪贴板内容 Ctrl + Y 删除当前行 Ctrl + A 全选当前文件内容 Ctrl + Z 撤销操作 Ctrl + Shift + Z 重做操作 Ctrl + F 查找文本 Ctrl + Shi
大模型微调工具-torchtune
weixin_40777649的博客
08-08 1056
1.定义2.安装3. 案例。
【python学习】深入解析 `jq` 库：JSON 处理的利器
最新发布
m0_54007171的博客
08-13 269
jq库是 Python 对流行的命令行工具jq的封装。它允许你直接在 Python 中使用jq的查询语言来处理 JSON 数据。借助jq，你可以轻松地对 JSON 数据进行过滤、选择、转换、聚合等操作，极大地简化了代码复杂度。
Python 算法交易实验80 QTV200日常推进-目标估算
yukai08008的博客
08-10 472
业务目标在先，月利3%是第一个目标。虽然日常有在常规推进，但目标是什么？现在做的是什么？与目标的关联是什么？业务上讲，如果月利能够达到3%(几何平均)，上下波动不超过1%，就算达标了(2%~4%)。考虑到金融领域有不可测风险，所以资金还会分摊到3个月。例如，假如总投资资金是30万，那么每个月的最大投资金额是10万。这样即使遇到大跳水，问题也不大。目标达到的话，10万本金每月的盈利是3000， 按复利计,24个月就会double，我觉得已经足够理想。假设投资90万，则可以按30万计算复利效果。
NVIDIA-CUDA
qq_41081716的博客
08-08 462
CUDA 是一种强大的并行计算平台，它极大地扩展了 GPU 的用途，使其不仅仅局限于图形处理。通过利用 CUDA，开发人员可以编写高效、高性能的并行应用程序，这些应用程序可以用于各种计算密集型任务。如果您正在从事高性能计算或需要加速计算任务的工作，CUDA 是一个非常有用的工具。
LSTM-autoencoder
10-17
好的，我明白了。关于 LSTM-autoencoder，它是一种基于 LSTM 神经网络的自编码器模型，用于对序列数据进行降维和重构。它的主要思想是将输入序列通过 LSTM 编码成一个固定长度的向量，然后再通过 LSTM 解码成与原始序列相同长度的输出序列。在这个过程中，模型会尽可能地保留原始序列的信息，从而实现对序列数据的压缩和重构。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值