- 博客(7)
- 收藏
- 关注
RSS订阅
原创 python中深度学习的算法，如神经网络和卷积神经网络的使用
将训练数据分为训练集和验证集，在训练过程中监控验证集上的性能指标（如准确率、损失等），防止过拟合。- L1和L2正则化：在损失函数中添加权重的L1或L2范数，防止权重过大。如果使用PyTorch，代码结构会有所不同，但实现思路类似，都是构建模型、定义损失函数和优化器，然后进行训练和评估。最常用的回归损失函数，计算预测值与真实值之间差值的平方的均值，能反映预测值的平均误差程度，适用于大多数回归场景。计算预测值与真实值之间差值的绝对值的均值，对异常值的鲁棒性比MSE好，当数据中存在较多异常值时可考虑使用。
2025-07-18 23:57:27
1335
2
原创 如何判断自己的电脑是否适合运行大型游戏和处理深度学习程序？
运行基础框架（如TensorFlow、PyTorch）的测试代码，观察是否能正常启动、训练是否卡顿（可对比同模型在主流配置上的训练时间）。- 实际运行游戏，通过Fraps、游戏内帧率显示等工具观察帧率：30帧以上基本流畅，60帧以上体验较好，低于20帧则不适合。- 推荐：6核12线程及以上（如Intel i5-12400F、AMD R5 5600X），单核频率3.0GHz以上。- 查看游戏官方推荐配置，对比自己的硬件（可通过“设备管理器”或鲁大师、CPU-Z等工具查看配置）。
2025-07-26 08:24:30
2691
原创 代码编辑器与计算机版本适配
Windows vs Linux/macOS：Windows使用反斜杠 \ 作为路径分隔符，而Linux和macOS使用正斜杠 /。若索引文件中路径大小写与实际文件系统不一致，可能在Linux/macOS上无法找到文件。Windows使用 C:\Users\用户名 ，而Linux/macOS使用 /home/用户名 或 /Users/用户名。在代码编辑器导入代码库索引时，计算机版本和编辑器版本不匹配确实可能导致索引文件路径失败。编辑器在导入索引时，检查索引文件版本与自身版本是否兼容。
2025-07-24 15:29:28
661
原创 Python连接数据库
它不仅提供了连接数据库的功能，还具备强大的ORM（对象关系映射）功能，允许开发者使用Python类和对象来操作数据库，而无需编写原始的SQL语句，大大提高了开发效率和代码的可维护性。在上述代码中， create_engine 创建了与PostgreSQL数据库的连接， declarative_base 用于定义数据库表对应的Python类， sessionmaker 创建会话对象，通过会话对象可进行数据库的增删改查操作。在Python中连接不同类型的数据库，需要使用相应的库。
2025-07-21 12:05:12
1559
原创 除了学习率，还有哪些优化器参数对神经网络性能影响较大？
如果 β1 接近 1，优化器会更依赖过去的梯度信息，导致参数更新步伐较为平滑，但可能在非凸函数中难以快速跳出局部最优。β2 影响梯度平方的累积，其值接近 1 时，二阶矩估计会更平滑，对噪声梯度更鲁棒，但也可能使学习过程变慢。动量值较小（如接近 0）时，优化器行为更接近普通 SGD，对当前梯度更敏感，但可能在训练过程中出现更多振荡。在带动量的 SGD 中，动量项模拟物理中的动量概念。一个非常小的正数，默认值为 1e - 7 ，用于防止在计算过程中出现除零错误，它主要在分母中出现，用于保证计算的数值稳定性。
2025-07-21 12:05:03
491
原创 如何调整优化器的参数来优化神经网络性能？
可使用学习率调度（learning rate scheduling），随着训练进行逐渐降低学习率，例如指数衰减。beta_1 是一阶矩估计的指数衰减率，默认值为0.9，控制过去梯度信息在当前梯度估计中的权重；beta_2 是二阶矩估计的指数衰减率，默认值为0.999，影响梯度平方的累积。在带动量的SGD中，动量项帮助加速收敛，减少振荡。它模拟了物理中的动量概念，使参数更新方向不仅取决于当前梯度，还考虑之前的更新方向。一般保持默认值，若训练不稳定，可微调该值，如0.92、0.98等，观察对训练的影响。
2025-07-18 23:52:41
1090
原创 python中SQL数据库的编码
在Python中操作SQL数据库，常用的库有 sqlite3 （用于SQLite数据库）、 pymysql （用于MySQL数据库）、 psycopg2 （用于PostgreSQL数据库）等。这个示例中， pymysql.connect 用于连接MySQL数据库，需要提供主机、用户名、密码和数据库名等信息。其他操作与SQLite类似，只是语法上稍有不同，比如使用占位符 %s。
2025-07-13 13:14:53
463
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