深度学习
文章平均质量分 94
不想敲代码的小趴菜
小趴菜一枚
展开
-
Pytorch的四种函数讲解
在PyTorch中,Softmax和LogSoftmax函数是用于将多维张量的值转换为概率分布的函数。它们通常用于多分类问题中,将模型的输出转换为每个类别的概率。在PyTorch中,NLLLoss(负对数似然损失)和(交叉熵损失)是两种常用的损失函数,它们通常用于多分类问题。一、四种函数的概念LogSoftmax:LogSoftmax函数是Softmax函数的对数形式,它将输入的任意实数值映射到(0, 1)区间,并且输出的总和为1。原创 2024-05-16 16:56:07 · 779 阅读 · 1 评论 -
深度学习-BP实战 猫狗大战
猫狗大战是指使用机器学习技术,特别是深度学习,对猫和狗的图片进行识别和分类的过程。这个过程的基本原理是通过训练一个深度神经网络模型,使其能够根据输入的图片数据,自动识别和区分出猫和狗。一、基本步骤# 第3步:定义和训练模型criterion = torch.nn.NLLLoss() # 定义loss函数optimizer = torch.optim.SGD(model.parameters(), lr=0.001, momentum=0.9) # 定义优化器epochs = 20 # 一共训练15轮。原创 2024-04-18 17:15:12 · 769 阅读 · 1 评论 -
深度学习-实现BP神经网络
在当今这个信息爆炸的时代,数据已成为推动社会进步和经济发展的重要资源。然而,面对海量的数据,如何有效地提取有价值的信息,如何利用这些数据进行决策支持,已成为一个亟待解决的难题。随着人工智能技术的飞速发展,机器学习作为一种从数据中自动学习和提取模式的方法,已经成为解决这一问题的关键技术。特别是神经网络,作为一种模仿人脑处理信息的机器学习模型,已经在图像识别、语音识别、自然语言处理等多个领域展现出了卓越的性能。原创 2024-03-21 15:44:17 · 1226 阅读 · 1 评论 -
深度学习基础-多元线性回归
随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习-多元线性回归的基础内容。x多元线性回归是机器学习中用于预测连续型因变量的一种统计方法。它通过分析多个自变量(特征)与因变量(目标)之间的关系,构建一个线性模型来进行预测。这个模型假设因变量与自变量之间存在线性关系,即因变量可以表示为自变量的线性组合加上一个误差项。在多元线性回归中,我们通常寻找一组参数(系数),使得模型预测值与实际观测值之间的差异(即误差)的平方和最小。原创 2024-03-20 15:08:10 · 1018 阅读 · 1 评论 -
深度学习基础-logistic回归
在当今这个数据驱动的时代,机器学习和深度学习已经成为解决复杂问题的重要工具。它们不仅在科学研究中扮演着关键角色,而且在商业智能、医疗诊断、自动驾驶车辆、个性化推荐系统等众多领域都有着广泛的应用。随着技术的进步,这些算法变得越来越高效和易于使用,使得更多的人能够利用它们来解决实际问题。逻辑回归作为一种经典的机器学习算法,虽然名字中带有“回归”二字,但实际上它是一种广泛应用于二分类问题的算法。它的原理简单,易于实现,并且在许多实际场景中表现出色。原创 2024-03-20 15:06:52 · 897 阅读 · 1 评论