- 博客(19)
- 收藏
- 关注
RSS订阅原创 深度学习--DCGAN
定义损失函数和优化函数# 定义优化器loss_fn = torch.nn.BCELoss() # 损失函数在这里，我们选择使用BCELoss，交叉熵损失函数，这是因为在GAN中，判别器通常被视为一个二分类器，它试图区分输入是真实样本还是由生成器生成的假样本，而BCELoss就是用来做二分类的损失函数，正好对应。在优化器部分，它们分别对生成器和判别器的参数进行优化。
2024-05-09 06:55:45
1007
1
原创 深度学习--生成对抗网络GAN
定义损失函数和优化函数# 定义优化器loss_fn = torch.nn.BCELoss() # 损失函数在这里，我们选择使用BCELoss，交叉熵损失函数，这是因为在GAN中，判别器通常被视为一个二分类器，它试图区分输入是真实样本还是由生成器生成的假样本，而BCELoss就是用来做二分类的损失函数，正好对应。在优化器部分，它们分别对生成器和判别器的参数进行优化。
2024-05-08 06:51:32
1448
1
原创 深度学习--RNN循环神经网络和LSTM
我们来看一看百度百科给的解释下面是循环神经网络的一部分黑色直线代表权重，a1，a2代表存储单元，黄色框框代表输入，曲线是激活函数。
2024-04-25 11:37:57
1499
1
原创 深度学习--CNN应用--VGG16网络和ResNet18网络
VGG论文大家有兴趣的可以去研读一下。首先呢，我们先简单了解一下VGG网络的来源自2012年AlexNet在lmageNet图片分类比赛中大获成功以来，关于深度神经网络的研究又一次如火如茶般进行;VGGNet 是由牛津大学视觉几何小组 (Visual Geometry Group,VGG)提出的一种深层卷积网络结构，他们以 7.32% 的错误率赢得了 2014年 ILSVRC 分类任务的亚军(冠军由 GoogLeNet 以 6.65% 的错误率夺得)
2024-04-18 18:33:42
1598
1
原创 深度学习--CNN卷积神经网络（附图）
让我们先看一下CNN的框架卷积层中后是ReLu激活函数 ，然后是深化池，之后是全连接，最后进行Softmax进行归一化。所以，我们先逐一了解一下它们各个部分全连接层也称感知机，BP神经网络降维呢，也很好理解，由第一列的九维变为第二列的四维我们再来看看缺点在这里，我们只定义了一层全连接层前向传播是我们自己来定义的，而后向传播是自动执行的为了解决全连接层去全局感知的问题，我们提出了一种解决方案--局部连接图示0，1，3，4与w00,w10,w30,w40相乘得到a0，同理1，2，4，5与w11,w21,w
2024-04-17 21:00:13
2077
4
原创 深度学习--函数详解
下面是它的图像当输入值为正数时，返回原来的值，为负数时，返回0torch.nn.ReLU(inplace=True)是PyTorch中的一个激活函数，其功能是对输入进行逐元素的非线性变换。当参数inplace=True表示将变换后的结果直接覆盖原来的输入张量，节省内存空间。如果没有指定inplace=True，则会返回一个新的张量作为输出。在多分类问题中，我们通常会使用softmax函数作为网络输出层的激活函数。softmax函数可以对输出值进行归一化。
2024-04-16 06:00:00
1356
原创 深度学习--BP实战猫狗分类数据集
在这里，我们需要用到__init__,__len__,__getitem__三个魔术方法，下面，我们就先了解一下这三个方法。（有了解的可以直接跳过！！
2024-04-15 12:39:10
976
1
原创 深度学习BP手写识别MINIST
MINIST数据集即手写数字数据集，共有70000张图像，其中训练集60000张，测试集10000张。所有图像都是28×28的灰度图像，每张图像包含一个手写数字。共10个类别，每个类别代表0~9之间的一个数字，每张图像只有一个类别。
2024-04-11 08:57:30
1326
1
原创 机器学习的优化算法
梯度下降法（Gradient Descent）是一种优化算法，用于求解最小化损失函数的问题，特别是在机器学习和深度学习中广泛使用。其核心思想是通过迭代的方式，沿着损失函数关于模型参数的负梯度方向更新参数，以逐渐减小损失函数的值，从而找到最小化损失函数的参数。梯度下降法的优点是简单、稳定且容易实现，适用于大规模数据集和复杂。
2024-03-27 22:54:01
1145
原创 python深度学习--神经网络--多层感知机
在一般的二元分类问题中，tanh 函数用于隐藏层，而 sigmoid 函数用于输出层，但这并不是固定的，需要根据特定问题进行调整。在多层感知机中，每个神经元都有一个激活函数，通常使用非线性函数，如Sigmoid函数、ReLU函数等。在多分类问题中，我们通常会使用softmax函数作为网络输出层的激活函数，softmax函数可以对输出值进行归一化操作，把所有输出值都转化为概率，所有概率值加起来等于1。由于概率的取值范围是0到1，当感知机用于解决二分类问题时，输出层的神经元一般使用Sigmoid激活函数。
2024-03-20 01:14:32
1425
1
原创 python深度学习--拟合实现线性回归
lr=0.5epoch=5000# 构造函数初始化self.lr=lr__init__: 构造函数，用于初始化模型的权重w、偏置b、学习率lr和损失loss。self.w和self.b: 模型的权重和偏置，初始值分别为10和0，且设置为需要计算梯度。self.lr: 学习率，用于控制梯度下降时的步长# 构造函数初始化# 调用父类的 init# 定义模型 torch.nn.Linear(输入值的维度，输出值的维度，bias=True)
2024-03-18 06:00:00
1326
原创 python深度学习--梯度下降算法（附完整代码）
而梯度下降这个算法，也涉及到了高数上的一些知识，比如高数求导求最小化所以，我们在学习梯度下降法之前，就需要学习有关高数求导求最小化以及其他的一些基础知识知识了。
2024-03-15 15:07:35
3729
1
原创 python--tensor的基础知识，基本运算
x.grad是一个张量（tensor）,x.grad.size()返回该张量的大小（即元素的个数）,可以试着运行一下，就会发现，x的size()和resahpe之后的size（）是不一样的。torch.eye(m,n)，m为行数，n为列数，如果只有m，就生成m*m的矩阵。permute()中，每个数的位置就是它的维度，如三维（0，1，2）其中，{0}和{1}是占位符，分别表示第一个和第二个要插入的变量。将1维和2维置换，就应是permute(1，0，2)将2维和3维置换，就应是permute(0，2，1)
2024-03-14 19:06:51
859
1
原创 python-大小写字母的转换
swapcase() 方法：将字符串中的大写字母转换为小写字母，将小写字母转换为大写字母。title() 方法：将字符串中每个单词的首字母转换为大写字母，其他字母转换为小写字母。upper() 方法：将字符串中的小写字母转换为大写字母。lower() 方法：将字符串中的大写字母转换为小写字母。
2024-03-08 11:43:21
372
1
原创 Python--关于学生信息管理系统的课设
有新生来报到，要逐个录入其信息，如：学生姓名，性别，专业，出生日期，家庭地址，英语入学成绩。要求设计链表类来实现，并统计学生人数。5. 学生信息统计（按专业或性别或年龄---年龄要自动计算）3. 导入学生信息（已经保存于的文件信息）4. 学生信息搜索（按。6. 按英语成绩排序。
2024-03-07 11:43:26
333
原创 Python--闭包，装饰器，设计模式，多线程
在函数嵌套的前提下，内部函数使用了外部函数的变量，外部函数返回了内部函数，我们把使用外部函数变量的内部函数称为闭包。函数in1称为闭包。
2024-03-07 11:37:51
144
原创 python面向对象
class 类名称:（class为要定义类的关键字）类的属性 （类的属性为类中的成员变量）类的行为 （类的行为为在类中的函数，即成员方法）# 成员变量name="小张"# 成员方法print(f"HI,我是{self.name}")# 传参时，不需传入selft1=test()HI,我是小张def 方法名（self，形参1，...，形参n）：方法体self为定义成员方法时必须填写的，代表类对象自身的意思。在方法内部，想使用类的成员变量，必须使用self关键字。
2024-03-07 00:08:14
1087
原创 python--数据可视化——折线图可视化（基础）
JSON是一种轻量级的数据交互格式，可以按照JSON指定的格式去组织和封装数据。JSON本质上是一个带有特定格式的字符串。它作为一种中转的数据格式，负责不同编程语言中的数据传递和交互。
2024-03-02 15:10:07
482
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