机器学习
文章平均质量分 56
五
Taoger_Xu
这个作者很懒,什么都没留下…
展开
-
CNN中损失函数
文章目录损失函数是一个使用已知参数估计未知参数的函数。用损失函数度量当前估计的好坏程度:损失函数值越大,估计的结果越差。简单且常用的损失函数是均方误差损失函数,如下:KaTeX parse error: No such environment: equation at position 8: \begin{̲e̲q̲u̲a̲t̲i̲o̲n̲}̲L(\theta,\hat\…...原创 2021-09-16 17:37:13 · 3984 阅读 · 0 评论 -
CNN结构概述
文章目录CNN的结构(1)输入层:输入数据(2)卷积层:通过卷积核进自动化特征提取,找到语义表征:卷积核:(3)激活层:增加非线性映射能力,否则,多层CNN只具有线性映射能力,与没有隐层是一样的效果Sigmoid函数Tanh函数Relu函数(4)池化层:通过下采样,减少计算量。(5)全连接层:重新拟合,减少特征信息的损失(6)输出层:输出运算结果全连接神经网络中,相邻两层的每个神经元之间都是直接相连的。就是每一个节点都要参与下一层的计算, 随着神经元的个数,也即特征维数的增加,全连接神经网络的复杂度和计原创 2021-09-16 00:14:00 · 1123 阅读 · 0 评论 -
torch.flatten()函数
torch.flatten()函数用法一:import torchx = torch.zeros(2,4,6,8)print(x.shape)print(torch.flatten(x))# 默认保留0维y=torch.flatten(x,0) # 保留[0-0]维,其他维全部压缩到第0维:torch.Size([384])z=torch.flatten(x,1) # 保留[0-1]维,0维不动,其他维压缩到第1维:torch.Size([2, 192])t=torch.flatten(原创 2021-08-29 18:30:04 · 770 阅读 · 0 评论 -
torch.max()使用
torch.max(input, dim) 函数在分类问题中,通常需要使用max()函数对softmax函数的输出值进行操作,求出预测值索引。比如对于batch_size=20的10分类问题,outputs=(20,10), 其中每一行代表不同的样本, 每一列代表样本属于不同类别的可能性:torch.max(input, dim) 函数output = torch.max(input, dim)输入- input是softmax函数输出的一个tensor- dim是max函数索引的维度0/1原创 2021-08-29 16:42:59 · 374 阅读 · 0 评论 -
numpy的用法(一)
切片和索引ndarray对象的内容可以通过索引或切片来访问和修改;ndarray 数组可以基于 0 - n的下标进行索引,切片对象可以通过内置的 slice 函数,并设置start, stop 及 step 参数进行,从原数组中切割出一个新数组。exampleimport numpy as np a = np.arange(10)# 通过内置的slice函数s = slice(2,7,2) # 从索引 2 开始到索引 7 停止,间隔为2# 通过冒号分隔切片参数 star原创 2021-08-14 18:15:15 · 101 阅读 · 0 评论