- 博客(6)
- 收藏
- 关注
RSS订阅原创 人工智能作业6 CNN实现XO识别
下载数据集构建模型class Net(nn.Module): def __init__(self): super(Net, self).__init__() self.conv1 = nn.Conv2d(1, 9, 3) self.maxpool = nn.MaxPool2d(2, 2) self.conv2 = nn.Conv2d(9, 5, 3) self.relu = nn.ReLU()
2022-05-29 15:05:19
82
原创 人工智能-作业5：卷积-池化-激活
for循环版本：手工实现1：定义卷积核卷积核1Kernel[0] = np.array([[1, -1, -1], [-1, 1, -1], [-1, -1, 1]])卷积核2Kernel[1] = np.array([[1, -1, 1], [-1, 1, -1], [1, -1, 1]])卷积核3Kernel[2
2022-05-29 14:52:06
63
原创 人工智能作业4 CNN
卷积、特征图、特征选择概念的概念卷积：是通过两个函数，f和g生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分特征图：由图像提取出的特征值组成的方图特征选择：从已经有的特征中选择若干有效的特征使图片最优卷积核: 卷积核就是图像处理时，给定输入图像，输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素，其中权值由一个函数定义，这个函数称为卷积核。编程实现：...
2022-05-17 18:58:02
94
原创 人工智能作业3例题复现
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文章目录前言一、使用pytorch复现例题二、对比作业2和作业3 的程序1.作业2结果前言学习pytorch相关知识，掌握 实际运用能力。一、使用pytorch复现例题相关代码：import torchx1, x2 = torch.Tensor([0.5]), torch.Tensor([0.3])y1, y2 = torch.Tensor([0.23]), torch.Tensor([-0.07])print(“=输.
2022-05-09 15:23:29
474
原创 人工智能作业2：例题复现
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文章目录一、理论基础二、代码参考1.代码2.实验截图一、理论基础输入值：x1, x2 = 0.5，0.3输出值：y1, y2 =0.23， -0.07激活函数：sigmoid损失函数：MSE初始权值：0.2 -0.4 0.5 0.6 0.1 -0.5 -0.3 0.8目标：通过反向传播优化权值二、代码参考1.代码import numpy as npdef sigmoid(z):a = 1 / (1 + np.e.
2022-05-01 17:15:37
73
原创 人工智能实验1：安装pycharm与pytorch
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文章目录前言一、PyCharm 是什么？二、安装步骤1.安装pycharm社区版2.安装python解释器3.安装pytorch4.反向传播前言提示：这里可以添加本文要记录的大概内容：第一个作业安装pycharm与pytorch。提示：以下是本篇文章正文内容，下面案例可供参考一、PyCharm 是什么？PyCharm 是一款功能强大的 Python 编辑器二、安装步骤1.安装pycharm社区版2.安装pytho.
2022-05-01 17:08:54
338
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