- 博客(7)
- 收藏
- 关注
RSS订阅
原创 浅析深度学习（二）--回归实战（新冠人数预测）
slectkbest原理：通过给特征进行打分，然后从高到底选取特征，要用到皮尔森系数和单变量线性回归，二.创建函数selectkbest--挑选重要参数。init--转换维度，利用linear函数。单变量线性回归可以用来表明特征的回归效果。皮尔森系数可以表明y与各个特征的相关度。forward--模型前向过程。getitem--返回值。
2023-01-13 16:58:19
1560
4
原创 深度学习--复试自用
但是当一张图片输入到神经网络经过卷积计算之后，这个分布就不会满足刚才经过image normalization操作之后的分布了，可能适应了新的数据分布规律，这个时候将数据接入激活函数中，很可能一些新的数据会落入激活函数的饱和区，导致神经网络训练的梯度消失，虽然用了小的卷积核来替换大的卷积核，但并不会影响感受野，即感受野是相同的。，甚至包括一些异常样本点，这就容易造成在较小的区间里预测值产生较大的波动，这种较大的波动也反映了在这个区间里的导数很大，而只有较大的参数值才能产生较大的导数。
2023-02-27 10:22:31
703
原创 浅析深度学习（五）--Bert的结构
两种常见的表示方法而一般来说，如果每一个向量对应一个值，那么前后的顺序关系显得尤为重要RNN的做法利用一个传承的变量“传家宝”不断进行更新，来保证输入结果不同，间接利用了顺序制作出不同的输出值，但是当向量过长时，传家宝就会一直更新，即只能一个一个来，那我们能否一次看完呢,因此采用自注意力机制Token是每个单词的向量 Segment是断句后的向量 Position是位置向量利用一层自注意力机制得到了考虑整个句子后的特征根据每一个向量提供一个q，提供一个k，得到了关于整个句子的相关特征。
2023-01-28 20:25:40
210
1
原创 浅析深度学习（四）--图片分类回归实战
通过自由调整大小和颜色，识别更多样同个图片。权重缩减：通过降低w，使曲线更加平滑。设下种子，让代码每次运行结果一样。同个图片调整大小，颜色。
2023-01-20 11:06:27
935
2
原创 浅析深度学习（三）--分类的卷积神经网络
我们的目标就是如何卷积核变得像我们想要的，最后得到一个有意义的特征图卷积神经网络工作总流程第一个问题：特征图如何卷？假设：特征图3*224*224. 卷积核3*3*3， padding=1，卷积核数量64卷出来的特征图多大？横向来看：1.2.3.4.........221.222，则会变成222*222通过padding扩充：1.2.3.4.......222.223.224，则会变成224*224而卷积核数量决定了特征图维度为64，则最终为64*224*224第二个问题：特征图怎么变小？
2023-01-16 15:50:28
443
2
原创 浅析深度学习（一）线性回归神经网络
任务：通过自己建立数据，分析loss，做出基本拟合图像的直线一.引入包 矩阵，画图，随机数二.创建函数--拟设数据。
2023-01-11 15:30:45
357
2
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