- 博客(7)
- 收藏
- 关注
RSS订阅原创 人工智能-作业6：CNN实现XO识别
文章目录数据集构建模型训练模型测试训练好的模型计算模型准确率查看训练好的特征图查看训练好的模型的卷积核训练模型源代码测试模型源代码参考文献数据集数据集下载地址：Convolutional Neural Networks with Matlab, Caffe and TensorFlow — Optophysiology (uni-freiburg.de) 构建模型class Net(nn.Module): def __init__(self): super(Net, sel
2022-05-23 15:04:00
172
原创 【2021-2022 春学期】人工智能-作业5：卷积-池化-激活
文章目录一、For循环版本：手工实现 卷积-池化-激活代码：结果：二、Pytorch版本：调用函数完成 卷积-池化-激活代码：结果：三、可视化：了解数字与图像之间的关系代码：结果：四、参考资料一、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], [-1, 1, -1, -1, -1, -1, -1, 1, -1],
2022-05-23 14:30:23
146
原创 人工智能-作业4：CNN - 卷积
文章目录一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。卷积卷积核多通道特征图特征选择二、探究不同卷积核的作用，研究背后的原理。1.无作用的卷积核（因为只有中心点的值是1。邻域点的权值都是0，对滤波后的取值没有任何影响）2.均匀模糊（对图像进行算术平均值模糊）3.锐化（锐化滤波器实际上就是计算当前点和周围点的差别，然后将这个差别加到原来的位置上）4.边缘检测（滤波器卷积相当于求导的离散版本：你将当前的像素值减去前一个像素值，这样你就可以得到这个函数在这两个位置的差别或者斜率。从而检测所有方向的边缘）
2022-05-15 17:07:11
446
原创 人工智能-作业3：例题程序复现 PyTorch版
文章目录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.MSELoss()替代，观察、总结并
2022-05-08 11:17:34
240
原创 人工智能-作业2：例题程序复现
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、反向传播算法二、计算过程一、反向传播算法反向传播算法是目前用来训练人工神经网络（Artificial Neural Network）的最常用且最有效的算法。是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。 该方法对网络中所有权重计算损失函数的梯度。 这个梯度会反馈给最优化方法，用来更新权值以最小化损失函数。（误差的反向传播）输入值：x1, x2 = 0.5，0.3输出值：y1, y2 .
2022-05-01 14:57:51
891
原创 人工智能作业1：PyTorch实现反向传播
人工智能作业1：PyTorch实现反向传播提示：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、安装PyCharm，配置好python开发环境1.配置环境变量：python下载地址下载后，双击下载包，进入 Python 安装向导，安装非常简单，你只需要使用默认的设置一直点击"下一步"直到安装完成即可。（作者下载的python3.9.7）安装好之后，进入高级系统设置，找到环境变量中的系统变量，然后再path中加入python的安装路径，使用win+R键打开命令提示符，输
2022-04-29 13:12:13
393
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