- 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
文章目录一、 数据集二、构建模型三、训练模型四、测试训练好的模型五、计算模型准确率六、查看训练好模型的特征图八、训练模型源代码九、测试模型源代码一、 数据集在群中直接下载二、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
2022-05-26 17:32:52
255
原创 人工智能-作业5：卷积-池化-激活
文章目录实现【卷积-池化-激活】代码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实现【卷积-池化-激活】代码1. For循环版本：手工实现 卷积-池化-激活代码如下：import numpy as np x = np.array([[-1, -1, -1, -1, -1, -1, -1, -1, -1], [-1, 1, -1, -1, -1, -1, -1, 1,
2022-05-23 09:53:00
152
原创 人工智能-作业4：CNN - 卷积
文章目录一.概念论述二、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。总结一.概念论述卷积：卷积常用于图像的特征提取，针对像素点进行处理的一种技术。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。特征选择：是指从已
2022-05-15 16:22:14
299
原创 人工智能-作业3：例题程序复现 PyTorch版
文章目录一、使用pytorch复现课上例题。二、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？三、【作业2】程序更新四、对比【作业2】与【作业3】的反向传播的实现方法。总结并陈述五、激活函数Sigmoid用PyTorch自带函数torch.sigmoid()，观察、总结并陈述六、激活函数Sigmoid改变为Relu，观察、总结并陈述七、损失函数MSE用PyTorch自带函数 t.nn.MSELoss()替代八、损失函数MSE改变为交叉熵九、改变步长，训练次数，观察、总结并陈
2022-05-09 10:34:52
321
原创 人工智能-作业2 例题程序复现
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
2022-04-30 19:01:19
95
原创 人工智能-作业1：PyTorch实现反向传播
目录安装PyCharm安装Pytorch使用Pytorch实现反向传播安装PyCharm官网下载https://www.jetbrains.com/pycharm/download选择Community的Download下载安装包然后打开安装完成安装Pytorch1.找到自己对应的驱动版本为511.69然后在下表找出对应的CUDA版本2.在Pytorch官网使用pip3下载3.检查是否成功安装Pytorch，在Anaconda Prompt中执行命令，输出ture则为成功
2022-04-30 18:41:22
1656
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