- 博客(13)
- 收藏
- 关注
RSS订阅原创 Pytorch中clone()与detach()的区别
Pytorch中clone()与detach()的区别clone与原tensor不共享内存，detach与原tensor共享内存。import torchfrom torch.autograd import Variablea = Variable(torch.zeros([3,4]), requires_grad = True)a.data.uniform_()b = a.data.clone()c = a.data.detach()print("origin tensor:",a)
2022-04-14 20:13:18
498
原创 插值篇(数值分析)
一、Lagrange插值Ln(x)=∑i=0nli(x)f(xi)L_n(x)=\sum_{i=0}^{n}l_i(x)f(x_i)Ln(x)=∑i=0nli(x)f(xi)，其中li(x)=∏j=0,j≠inx−xjxi−xjl_i(x)=\prod_{j=0,j\ne i}^n \frac{x-x_j}{x_i-x_j}li(x)=∏j=0,j=inxi−xjx−xj。# -*- coding: utf-8 -*-"""Created on Tue Mar 15 09:5
2022-03-16 22:29:11
677
原创 支持向量机SVM
线性可分支持向量机针对问题： 线性可分数据思想： 寻找几何间隔最大的分离超平面，不像PLA，该超平面是唯一的。（硬间隔最大化）maxγmax \quad \gammamaxγs.t.yi(w∥w∥xi)s.t.\quad y_i\left(\frac{w}{\Vert w\Vert} x_i \right)s.t.yi(∥w∥wxi)...
2021-11-13 18:03:44
641
原创 感知机(PLA)
单层感知机基本推导1. 输入： 实例的特征向量；2. 输出： 实例的类别（两类，+1和-1）；3. 模型： f(x)=sign(w⋅x+b)f(x)=sign(w \cdot x+b)f(x)=sign(w⋅x+b)，参数为w,bw,bw,b；4. 应用的问题： 数据线性可分，即数据所有的正实例点和负实例点可以完全正确地划分到超平面（w⋅x+b=0w \cdot x+b=0w⋅x+b=0）两侧。5. 学习策略： 确定损失函数，若将误分类点的个数作为损失函数，则不是参数w,bw,bw,b的连续可导
2021-10-23 19:50:57
328
1
原创 Day2: Numpy读取修改像素值、绘制几何图形
Day2: Numpy读取修改像素值、绘制几何图形01 Numpy读取、修改像素值import cv2import numpyfigure = cv2.imread('image.png', cv2.IMREAD_UNCHANGED)# numpy读取像素值r, b, g = figure.item(50, 60, 0), figure.item(50, 60, 1), figure.item(50, 60, 2)print([r, b, g])# numpy修改像素值figure.it
2021-10-04 16:39:52
444
原创 日常练习：文件操作
日常练习：文件操作01：一般文件操作①打开文件用open()函数打开文件，返回文件对象。其中name表示文件名，mode表示打开方式。<variable> = open(<name>, <mode>)打开方式为：r: 只读，文件指针将会放在文件的开头；w：只写，如果文件已存在则打开文件，并从开头开始编辑，即原有内容会被删除；如果该文件不存在，创建新文件；a: 打开一个文件用于追加，如果该文件已存在，文件指针将会放在文件的结尾；如果该文件不存在，创建新文
2021-10-01 13:16:22
175
原创 Day1：OpenCV安装及处理图像
Day1：OpenCV安装及处理图像00 安装在Prompt中输入pip install opencv-python，如果报错找不到匹配的版本可以在清华镜像中寻找合适版本，放到Scripts文件夹中，然后打开到该路径下用pip install xxx.whl安装，可以通过import cv2验证是否安装成功，若依然报错，可能是缺少MSVCP140.DLL模块，可以在官网下载。01 读写图片import cv2import numpy as np# 读入图像img = cv2.imread('i
2021-09-28 23:52:53
98
原创 机器学习建模策略
机器学习建模策略前言一、利用交叉验证集进行模型选择二、判断欠拟合/过拟合并改进1.欠拟合/过拟合的特征① 误差大/方差大② 与多项式次幂 ddd 的关系③ 与正则化系数 λ\lambdaλ 的关系2.用学习曲线判断欠拟合/过拟合3.对应的改进方法三、误差分析类偏斜的误差度量查准率和查全率之间的权衡前言在应用机器学习算法解决问题时，大多数情况下不会第一次使用算法就得到很好的效果，需要逐步进行改进。这时，明白怎样选择一条最合适、最正确的道路是很重要的。这里，有一系列简单的方法能让你事半功倍。一、利用.
2021-01-31 16:25:31
564
原创 逻辑回归
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档逻辑回归可解决的问题一、逻辑回归算法（Logistic Regression）二、使用步骤1.引入库2.读入数据总结可解决的问题逻辑回归主要用于解决分类问题，适用于标签取离散值的情况。既可以解决两类别分类，也可以解决多类别分类。一、逻辑回归算法（Logistic Regression）首先，对于两类别分类问题，将因变量（dependent variable）可能属于的两个类分别称为负向类（negative class）和正向类
2021-01-18 14:48:28
285
原创 批量梯度下降&正规方程
批量梯度下降&正规方程前言一、批量梯度下降（Batch Gradient Descent）1.算法介绍2.Python代码二、正规方程（Normal Equation）1.算法介绍2.Python代码三、二者比较前言对于求解线性回归问题，尤其是多变量线性回归，可以使用批量梯度下降，也可以使用正规方程来求解，本篇主要对这两种方法进行介绍，并比较二者的特点以及使用方法。一、批量梯度下降（Batch Gradient Descent）1.算法介绍本篇以多变量线性回归为例，对于给定的mmm.
2021-01-15 20:17:12
427
原创 Example-based算法
Example-based算法简介基于样例（Example-based）的超分辨率重建方法作为首个基于学习的单图像超分辨算法，由Freeman首次提出。通过运用机器学习相关算法训练数据集，学习得到LR和HR之间的关系，搜索得到与LR最佳匹配的HR，从而达到超分辨重建的目的。训练集HR图像——degrade（退化处理）——>LR图像——cubic spline/bilinear interpolation（三次样条/双线性插值）——>HR’图像HR、HR’预处理（带通滤波和对比归一化图像
2021-01-13 17:18:13
952
原创 KRR & SVR
KRR & SVRRR（Ridge Regression，岭回归）问题： 最小二乘法当数据集合存在多重线性（病态矩阵）时，计算出的 www 数值很大，使得在线性模型 y=wTxy=w^Txy=wTx 中，当输入变量 xxx 有微小变动时，输出变量 yyy 就会很大。即该线性回归模型对 xxx 的噪音很敏感。解决思路： 限制参数 www 的大小，使其不会变的很大，减少对噪音的敏感度。在原来回归模型的基础上中加上一个惩罚项，称为正则化（Regularization）。1. LASSO（Least
2021-01-09 14:29:20
3353
原创 数据结构：链表
数据结构：链表链表理解图片解释上代码（插入和删除某一节点）链表理解把一个个节点串联起来的结构，这些节点的存储位置不需要连续，也不需要提前定义长度。每个节点node包含两个元素： 1.当前节点的值value； 2.指向下一个节点的指针node *next。图片解释上代码（插入和删除某一节点）插入删除#include<iostream>using namespace std;class node{ public: int value; node
2020-09-28 21:29:19
63
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