- 博客(53)
- 收藏
- 关注
RSS订阅原创 day 35
一、模型结构可视化理解一个深度学习网络最重要的2点：了解损失如何定义的，知道损失从何而来----把抽象的任务通过损失函数量化出来了解参数总量，即知道每一层的设计才能退出—层设计决定参数总量为了了解参数总量，我们需要知道层设计，以及每一层参数的数量。下面介绍1几个层可视化工具：1.1 nn.model自带的方法。
2025-06-18 09:02:55
164
原创 day34
数据传输开销 (CPU 内存 <-> GPU 显存)在 GPU 进行任何计算之前，数据（输入张量 X_train、y_train，模型参数）需要从计算机的主内存 (RAM) 复制到 GPU 专用的显存 (VRAM) 中。当结果传回 CPU 时（例如，使用 loss.item() 获取损失值用于打印或记录，或者获取最终预测结果），数据也需要从 GPU 显存复制回 CPU 内存。对于少量数据和非常快速的计算任务，这个传输时间可能比 GPU 通过并行计算节省下来的时间还要长。
2025-06-17 09:19:00
509
原创 day33
self.fc1 = nn.Linear(4, 10) # 输入层到隐藏层self.fc2 = nn.Linear(10, 3) # 隐藏层到输出层。
2025-06-16 09:46:23
323
原创 day 32
我们已经掌握了相当多的机器学习和python基础知识，现在面对一个全新的官方库，看看是否可以借助官方文档的写法了解其如何使用。我们以pdpbox这个机器学习解释性库来介绍如何使用官方文档。大多数 Python 库都会有官方文档，里面包含了函数的详细说明、用法示例以及版本兼容性信息。通常查询方式包含以下2种：GitHub 仓库：https://github.com/SauceCat/PDPboxPyPI 页面：https://pypi.org/project/PDPbox/
2025-06-15 23:19:04
465
原创 day31
信用违约预测模型这个项目实现了一个信用违约预测模型，使用随机森林算法对客户是否会发生信用违约进行预测。项目结构│├── data/ # 数据文件夹│ ├── raw/ # 原始数据│ └── processed/ # 处理后的数据│├── src/ # 源代码│ ├──.py。
2025-06-14 17:39:02
366
原创 day26
变量作用域理解变量在何处可见和可访问非常重要。局部变量 (Local Variables): 在函数内部定义的变量，只在该函数内部有效。当函数执行完毕后，局部变量通常会被销毁。全局变量 (Global Variables): 在所有函数外部定义的变量，可以在程序的任何地方被访问（但在函数内部修改全局变量需要特殊声明，如 global 关键字，初学阶段可以先避免）。print(“\n— 变量作用域示例 —”)global_var = “我是一个全局变量”
2025-06-09 08:59:51
936
原创 day24元组和OS模块
元组元组的特点：有序，可以重复，这一点和列表一样元组中的元素不能修改，这一点非常重要，深度学习场景中很多参数、形状定义好了确保后续不能被修改。很多流行的 ML/DL 库（如 TensorFlow, PyTorch, NumPy）在其 API 中都广泛使用了元组来表示形状、配置等。可以看到，元组最重要的功能是在列表之上，增加了不可修改这个需求元组的创建my_tuple3 = (1, ‘hello’, 3.14, [4, 5]) # 可以包含不同类型的元素(1, 2, 3)
2025-06-07 17:48:47
829
原创 day23
转换器（transformer）转换器（transformer）是一个用于对数据进行预处理和特征提取的 estimator，它实现一个 transform 方法，用于对数据进行预处理和特征提取。转换器通常用于对数据进行预处理，例如对数据进行归一化、标准化、缺失值填充等。转换器也可以用于对数据进行特征提取，例如对数据进行特征选择、特征组合等。转换器的特点是无状态的，即它们不会存储任何关于数据的状态信息（指的是不存储内参）。转换器仅根据输入数据学习转换规则（比如函数规律、外参），并将其应用于新的数据。
2025-06-06 08:45:29
321
原创 day 22
本项目通过对泰坦尼克号乘客数据的分析和建模，实现了对乘客生存情况的预测。数据清洗与预处理：处理了缺失值，转换了数据类型。特征工程：创建了如TitleFamilySizeIsAloneAge*Pclass等新特征，并对部分特征进行了分箱和数值化处理。数据可视化：通过图表分析了各特征与生存率的关系。模型训练与评估：尝试了逻辑回归、决策树和随机森林模型，并比较了它们在训练集上的准确率。Sex(女性生存率更高) 和Pclass(高等级船舱生存率更高) 是非常重要的预测特征。Title。
2025-06-05 09:19:27
719
原创 day 16
直观判断: 数组的维度层数通常可以通过打印输出时中括号 [] 的嵌套层数来初步确定：一层 []: 一维 (1D) 数组。两层 []: 二维 (2D) 数组。三层 []: 三维 (3D) 数组，依此类推。2. NumPy 数组与深度学习 Tensor 的关系在后续进行频繁的数学运算时，尤其是在深度学习领域，对 NumPy 数组的理解非常有帮助，因为 PyTorch 或 TensorFlow 中的 Tensor 张量本质上可以视为支持 GPU 加速和自动微分的 NumPy 数组。
2025-05-30 09:47:05
272
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