![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 65
dayday up
这个作者很懒,什么都没留下…
展开
-
Pytorch中tensorboard的使用
#本文基于原始生成对抗网络代码https://blog.csdn.net/qq_38908130/article/details/112966273,对该训练过程的模型和必要数据进行可视化。一、可视化输入图片调用tensorboardfrom torch.utils.tensorboard import SummaryWriter# default `log_dir` is "runs" - we'll be more specific herewriter = SummaryWriter('原创 2021-01-28 09:44:48 · 194 阅读 · 0 评论 -
原始生成对抗网络的pytorch实现
一、代码及注释# 1.预处理阶段import osimport numpy as npimport mathimport torchfrom torch.utils.data import DataLoaderimport torch.nn as nn import torch.nn.functional as Fimport torch.optim as optimfrom torch.autograd import Variableimport torchvisionfro原创 2021-01-21 16:40:10 · 320 阅读 · 1 评论 -
吴恩达老师深度学习专项学习笔记
(一)神经网络与深度学习一、概论神经网络:神经元:◯表示非线性函数神经网络:像乐高积木一样堆叠神经元用神经网络进行监督学习(目前神经网络的落地方向比较成熟)结构化数据(海量数据, 广告,赚钱)非结构化数据(图片、语音)为什么兴起数据变多,计算机,算法二、神经网络基础符号标记logistic 回归回顾之前学习内容:参考线性回归:hθ(x)=g(θTx)sigmoid函数:g(z)=11+e−zh_\theta(x)=g(\theta^Tx)\\sigmoid函数:原创 2021-01-18 15:11:36 · 444 阅读 · 0 评论 -
吴恩达老师机器学习课程--神经网络
一、为什么使用神经网络?复杂的非线性分类,决策边界很复杂特征过多时,特征映射项非常多,计算成本高,容易过拟合,例如:图片的分类问题二、神经元与大脑起源:用来模拟大脑的算法我们几乎可以将任何传感器接入大脑主要学习将它应用于现代机器学习技术三、神经网络结构及表达神经网络模型:(逻辑单元)组成单元:输入,隐藏层,权重,输出,如图所示数学推导:ai(j)a_i^{(j)}ai(j)为第j个激活层的第i个单元,θ(j)\theta^{(j)}θ(j)为从j层到j+1层的偏重a1(原创 2021-01-07 15:43:43 · 338 阅读 · 0 评论 -
吴恩达老师机器学习课程练习2:逻辑回归python实现
a0.将所需数据放入当前工作目录In [ ]:!git clone https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes.gitCloning into 'Coursera-ML-AndrewNg-Notes'...remote: Enumerating objects: 4762, done.remote: Total 4762 (delta 0), reused 0 (delta 0), pack-reused 4762Receivin原创 2020-09-06 19:16:57 · 463 阅读 · 0 评论 -
吴恩达老师机器学习课程--逻辑回归算法解决分类问题
机器学习之逻辑回归算法解决分类问题吴恩达老师的coursera课程翻译版:https://www.bilibili.com/video/BV164411b7dx?p=5参考github上大佬python实现算法的笔记:https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes很经典的课程啦,这个翻译还可以,有不清楚的直接看英文。网上笔记很多,我也记录一下,记得牢固一点。一、分类二值分类问题:预测变量的值只有0或者1多分类问题:预测变量值0,1,原创 2020-09-02 08:49:37 · 248 阅读 · 0 评论 -
吴恩达老师机器学习课程--多变量线性回归
机器学习之多变量线性回归一、多变量问题要解决的问题与多个因素有关,如下图:假设函数:hθ(x)=θ0+θ1x1+θ2x2+θ3x3+θ4x4h_\theta(x)=\theta_0+\theta_1x_1+\theta_2x_2+\theta_3x_3+\theta_4x_4hθ(x)=θ0+θ1x1+θ2x2+θ3x3+θ4x4令x0(i)=1x_0^{(i)}=1x0(i)=1,x不同于上图标记应为横向量,这样取数据的时候不用转置。θ\thetaθ也为横向量,则原创 2020-08-26 09:33:13 · 148 阅读 · 0 评论 -
吴恩达老师机器学习课程--线性代数复习(选修)
机器学习之线性代数复习(选修)一、矩阵和向量matrix(m×n):m行n列矩阵帮助我们很好的整理,命名,处理数据vector:n×1matrix n维向量表示方法不同:matrixvector大写字母小写字母二、加法和标量乘法加法:条件:相同维度矩阵方法:对应位置元素相加标量乘法三、矩阵乘法四、矩阵乘法特征AB ≠ BA 不满足交换律A(B C )=(AB)C 满足结合律EA = A=EA五、逆和转置A为m×原创 2020-08-22 11:39:40 · 147 阅读 · 0 评论 -
吴恩达老师机器学习课程--单变量线性回归(附练习题的python实现)
机器学习之单变量线性回归吴恩达老师的coursera课程翻译版:https://www.bilibili.com/video/BV164411b7dx?p=5参考github上大佬python实现算法的笔记:https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes很经典的课程啦,这个翻译还可以,有不清楚的直接看英文。网上笔记很多,我也记录一下,记得牢固一点。本章节学习的是监督学习两大类(回归问题、分类问题)中的回归问题。一、模型描述变量表示原创 2020-08-04 11:31:02 · 748 阅读 · 0 评论