qq_30883339的博客

论文精读之PDE-Net: Learning PDEs from Data摘要Partial differential equations (PDEs) play a prominent role in many disciplines of science and engineering. PDEs are commonly derived based on empirical observ...

Pytorch入门之基本操作继TensorFlow、keras之后，开始学习新的深度学习框架——Pytorch。整理只是为了方便以后查找。学习内容来自一个印度小哥哥写的一个在GitHub上的深度学习教程，附上学习链接。整理人：陈振庭qq：956598250Tensor basicsimport numpy as npimport torch产生一个0张量：x = torch.T...

上次写了关于Pytorch入门基本操作，主要是对数据的操作，这次主要写关于Pytorch在使用时涉及到几个部分的一些入门知识。写博客的目的是方便自己以后复习查找。学习内容来自于<<深度学习之Pytorch>>这本书，顺便附上上一篇博客链接和书籍链接：Pytorch入门之基本操作书籍链接：https://pan.baidu.com/s/150jEc

由于导师要求自己从头到尾自己实现卷积神经网络，所以最近看了关于神经网络的反向传播内容。内容大部分都是从博客和书上摘录下来。整理完后方便自己以后复习！不喜勿喷。看完真的是清爽明朗！！！知道算法后写程序就简单多啦哈哈。梯度下降法我们训练神经网络的目的是找到能最小化代价函数C(w,b)C(w, b)C(w,b)的权重和偏置。假设我们要最小化某些函数，C(v)C(v)C(v)。它可以是任意的多元实值...

写篇水文来记录一下随手写的神经网络。承接上篇的卷积神经网络反向传播推导。不过这个是三层的神经网络，数据是手写数字的识别。代码写的乱七八糟，没有整理。不过可以直接运行。。。测试阶段懒得整理啊。。。代码很冗余的。后期优化一下吧。以此纪念我一个简单的bug找了三天。粗心害死人！import numpy as npimport matplotlib.pyplot as pltfrom tensorf...

鉴于用python写神经网络、卷积神经网络的话，不利于框架直接用numpy等来完成，速度实在是慢的吓人，所以改用c++来写。c++的话什么操作基本都要自己定义。由于卷积神经网络主要针对图像类，故最好定义一个适用于图像类的矩阵类，我这边使用了网上一个开源的用c++写好的卷积神经网络，使用了里面定义好的矩阵类，如下。这个类个人觉得非常好用，故写成博客，收藏一波，方便以后使用时候查找。首先导入需要的模...

上一期介绍了用于储存图像的矩阵类，在写卷积神经网络前，先用C++实现一个三层的神经网络。以手写数字识别为例。嗯，非常经典到老掉牙的例子。首先先定义一些基本的操作的函数：查看矩阵信息的函数： show(matrix &m) { for (int i = 0; i < m.size(); i++) cout << m.x[i] << endl; cout ...