- 博客(6)
- 收藏
- 关注
RSS订阅原创 人工智能基础作业6-CNN实现XO识别
卷积神经网路 Convolutional Neural Networks · 資料科學・機器・人一 、数据集点击下载数据集详情见https://www.optophysiology.uni-freiburg.de/Research/research_DL/CNNsWithMatlabAndCaffe二、构建模型import torch.nn as nnclass Net(nn.Module): def __init__(self): super...
2022-05-29 22:00:00
170
原创 人工智能基础作业5：卷积-池化-激活
目录实现【卷积-池化-激活】代码，并分析总结一、for循环版本：手工实现 卷积-池化-激活二、pytorch版本：调用函数完成 卷积-池化-激活三、可视化：了解数字与图像之间的关系参考链接实现【卷积-池化-激活】代码，并分析总结一、for循环版本：手工实现 卷积-池化-激活代码：import numpy as np x = np.array([[-1, -1, -1, -1, -1, -1, -1, -1, -1], ...
2022-05-22 18:42:16
228
原创 人工智能基础作业4 CNN-卷积
目录一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。二、探究不同卷积核的作用，研究背后的原理。三、编程实现：1.经典卷积核，实现灰度图的边缘检测、锐化、模糊。2.调整经典卷积核参数，测试并总结。3.使用不同尺寸图片，测试并总结。4.探索更多类型卷积核。5.尝试彩色图片边缘检测。【总结】本次课程的收获，编程实践的心得体会。参考博客一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积：图像中像素点具有很强的空间依赖性，卷积（convol.
2022-05-15 23:14:18
278
原创 人工智能基础作业3
作业要求1..使用pytorch复现课上例题。2.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？3.【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。）4.对比【作业2】与【作业3】的反向传播的实现方法。总结并陈述。5.激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述。6.激活函数Sigmoid改变为Relu，观察、总结并陈述。7.损失函数MSE用PyTorch自带函数 t.nn.MS..
2022-05-08 19:19:02
320
原创 人工智能基础作业2：例题程序复现
目录一、反向传播二、代码实现三、结果参考链接一、反向传播反向传播算法是神经网络的基础之一，该算法主要用于根据损失函数来对网络参数进行优化。原理及推导过程图解（参考【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题 【第三版】 - HBU_DAVID - 博客园）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 -...
2022-05-01 21:07:36
672
原创 人工智能基础作业1
目录一、安装pycharm，配置好Python开发环境二、安装pytorch三、使用pytorch实现反向传播四、pytorch Autograd自动求导五、参考教程一、安装pycharm，配置好Python开发环境1.安装pycharm，官方地址为Download PyCharm: Python IDE for Professional Developers by JetBrains，参考教程为PyCharm 安装教程（Windows） | 菜鸟教程在pycharm安.
2022-04-30 15:34:32
119
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