- 博客(15)
- 收藏
- 关注
RSS订阅原创 数据结构中线性表的操作
双链表只需要每个节点加一个指向前驱的指针就行。数据结构中的线性表分为顺序表和链表两种,本文主要介绍两种表的插入删除查找操作。插入删除时还需要考虑前驱指针。
2024-07-04 21:32:54
152
原创 模型的保存与测试
我们以上一篇文章的Letnet模型为例子来进行保存，这里我们主要是储存和加载模型参数，这样能有效节约空间。这里是通过模型后选出10个里面最大值的编号存在predicted中，然后再与其标签相对比。
2023-11-07 16:25:48
148
原创 手写体识别LeNet网络
定义Letnet网络模型，在卷积操作中使用Module提供的conv2d()函数（第一个参数代表输入灰度图数量，第二个代表输出特征图数量，第三个参数代表卷积核大小），池化操作则用max_pool12d()函数。transform函数是自定义进行数据预处理，包括将数据转化为tensor对象和进行数据归一化处理，在datasets.MNIST函数中，train='ture'代表训练集，‘false’代表测试集。训练函数，我们每运行1000次打印损失值，一共训练两次。然后就是将数据转化到GPU上运算。
2023-10-27 18:51:06
192
1
原创 使用人工神经网络模型训练一个非线性回归
神经科学家们对大脑进行深人研究后，发现人脑的智能活动离不开脑内的物质基础，包括它的结构以及其中的生物、化学、电学作用。一般情况下，神经元的数目越多，连接数越多，神经网络的复杂度就越高，其所能表达复杂函数的能力就越强。因此，我们可以将神经元进行数学上的抽象，得到人工神经元模型。我们把神经元树突接收到的不同信号当作不同的x变量，并为不同的信号赋予不同的传输权重wi。多个人工神经元组成了人工神经网络，人工神经网络分为三层，输入层，隐含层，输出层。的一个组成部分，用于定义线性变换层。定义优化函数和损失函数。
2023-10-21 16:39:50
331
1
原创 使用pytorch训练一个线性回归
假设函数nn.Linear(in_features=1, out_features=1)：这里线性回归输入和输出都是1个特征。sklearn是机器学习的一个包，这里我们导入是想用里面的make_regression来生成回归数据集。思路与上一篇文章是一样的，只不过我们这次可以使用pytorch里面所提供的函数来完成训练。损失函数： nn.MSELoss()nn提供了假设函数和损失函数。
2023-10-21 15:46:03
85
1
原创 训练一个简单的线性回归模型
训练一个简单的线性回归模型，在代码实现上分成了几个部分，构建数据集，构建数据加载器，假设函数，损失函数，优化方法。这里我们使用梯度下降法使得损失值减少。生成回归数据 来构建一个数据集。scatter函数绘制散点图。plot函数绘制折线图。
2023-10-10 09:28:42
305
1
原创 Pytroch中的一个简单的梯度下降优化
假设这样一个场景：一个人被困在山上，需要从山上下来(找到山的最低点，也就是山谷)。因此，下山的路径就无法确定，必须利用自己周围的信息一步一步地找到下山的路。怎么做呢，首先以他当前的所处的位置为基准，寻找这个位置最陡峭的地方，然后朝着下降方向走一步，然后又继续以当前位置为基准，再找最陡峭的地方，再走直到最后到达最低处；这个过程先简单的可以看成是例如在F=x**2 +x 这个方程所描绘的山谷的某个点一直向下走，每一步的方向就是每一步所在该点的梯度值。梯度下降法的基本思想可以类比为一个下山的过程。
2023-10-07 21:09:54
94
1
原创 张量的拼接，索引，形状操作
stack是叠加哪个维度的，就哪个维度当成一个元素一样叠加成一个元素；[2,3,4],[2,3,4]的两个张量叠加第3维度即dim=2即1，2维度不动，的第3维度的每一行相互叠加，然后第3维变成[2,4]张量变成[2,3,2,4]cat是直接把两个张量里面的元素拼接起来：[2,3,4],[2,3,4]的两个张量拼接第3维度即dim=2结果是[2,3,8]张量的形状操作这里介绍几个函数。
2023-10-06 15:49:21
129
1
原创 更新后selenium自动化点击搜索按钮
现在selenium改了后只有find_element和find_elements两种函数，所以我们现在定位和点击导入。以淘宝为例定位标签我们使用By.ID,搜索按钮我们使用By.XPATH。
2023-04-08 16:55:42
1081
1
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