- 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
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的准确率查看训练好的模型的特征图运行结果查看训练好的模型的卷积核运行结果训练模型源代码运行结果测试模型源代码运行结果参考数据集数据集可以从下方连接下载Convolutional Neural Networks with Matlab, Caffe and TensorFlow — Optophysiology (uni-freiburg.de)d点击here即可下载一....
2022-05-21 17:02:25
241
原创 人工智能-作业5：卷积-池化-激活
目录1. For循环版本：手工实现 卷积-池化-激活运行结果参考代码2. Pytorch版本：调用函数完成 卷积-池化-激活运行结果参考代码3. 可视化：了解数字与图像之间的关系运行结果参考资料1. For循环版本：手工实现 卷积-池化-激活运行结果feature_map:[[[ 0.78 -0.11 0.11 0.33 0.56 -0.11 0.33] [-0.11 1. -0.11 0.33 -0.11 0...
2022-05-13 16:29:01
141
原创 人工智能-作业4：CNN - 卷积
目录一、卷积、卷积核、多通道、特征图、特征选择概念。二、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一、卷积、卷积核、多通道、特征图、特征选择概念。 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 数学表达...
2022-05-10 18:09:24
277
原创 人工智能-作业3：例题程序复现 PyTorch版
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、总结并陈述8.损失函数MSE改变为
2022-05-03 11:20:04
698
原创 人工智能-作业2：例题程序复现
目录反向传播:正向传播:运行结果:完整代码:参考: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如图所示:反向传播:def back_propagate(out_o1, out_o2, out_h1, out_h2): # 反向传..
2022-04-29 20:50:51
100
原创 人工智能-作业1：PyTorch实现反向传播
1 安装pycharm，配置python开发环境Pycharm下载和配置环境参照PyCharm 安装教程（Windows） | 菜鸟教程 (runoob.com)环境配置后可以在cmd输入python，如出现上图这样的Python版本号就显示已有Python环境安装和配置完毕后运行一个简单的py程序验证一下:2 安装pytorch安装pytorch之前需要先安装Anaconda（建议去这里下载，官网太慢了Index of /anaconda/archive/ | 清华大学开源
2022-04-28 19:43:57
1928
3
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