- 博客(5)
- 收藏
- 关注
RSS订阅原创 人工智能-作业5：卷积-池化-激活
实现【卷积-池化-激活】代码，并分析总结 1. For循环版本：手工实现 卷积-池化-激活 2. Pytorch版本：调用函数完成 卷积-池化-激活 3. 可视化：了解数字与图像之间的关系 1.for 循环版本实现：import numpy as np x = np.array([[-1, -1, -1, -1, -1, -1, -1, -1, -1], [-1, 1, -1, -1, -1, -1, -1, 1, -1]...
2022-05-27 17:00:33
133
原创 人工智能-作业4：CNN - 卷积
一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积：卷积神经网络（Convolutional Neural Networks）是一种深度学习模型或类似于人工神经网络的多层感知器，常用来分析视觉图像。卷积神经网络的创始人是着名的计算机科学家Yann LeCun，目前在Facebook工作，他是第一个通过卷积神经网络在MNIST数据集上解决手写数字问题的人。一个卷积核一般包括核大小(Kernel Size)、步长(Stride)以及填充步数(Padding)，我们逐一解释下。卷.
2022-05-16 23:31:44
684
原创 【无标题】人工智能-作业3：例题程序复现 PyTorch版
使用Pytorch复现课上例题对比【作业3】和【作业2】的程序，观察两种方法结果是否相同？如果不同，哪个正确？【作业2】程序更新（保留【作业2中】的错误答案，留作对比。新程序到作业3。）对比【作业2】与【作业3】的反向传播的实现方法。总结并陈述。激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述激活函数Sigmoid改变为Relu，观察、总结并陈述。损失函数MSE用PyTorch自带函数 t.nn.MSELoss()替代，观察、总结并陈述。
2022-05-10 20:44:06
260
原创 人工智能-作业2：例题程序复现
原理：利用链式求导法则计算实际输出结果与理想结果之间的损失函数对每个权重参数或偏置项的偏导数，然后根据优化算法逐层反向地更新权重或偏置项，它采用了前向-后向传播的训练方式，通过不断调整模型中的参数，使损失函数达到收敛，从而构建准确的模型结构。过程：(w5~w8)以w5为例的梯度计算过程前(w1~w4)以w1为例的梯度计算过程：前向传播# 前向传播：# in = sum(w*x)# out = sigmoid(in)# 一个隐藏层def forward_propagat.
2022-04-30 23:57:01
152
原创 pytorch实现反向传播
1.总述1.Python、PyCharm和pytorch1.Python是一种解释型、面向对象、动态数据类型的高级程序设计语言。虽然Python自带了一个解释器IDLE用来执行.py脚本，但是却不利于我们书写调试大量的代码。常见的是用Notepade++写完脚本，再用idle来执行，但却不便于调试。这时候就出现了PyCharm等IDE，来帮助我们调试开发。2.PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Proje
2022-04-30 23:42:57
2780
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