深度学习
ustcthebest
一直在这里,等风也等你
展开
-
深度学习期末复习
2.2 感知机的梯度下降法,算法流程 3.2激活函数有哪些,画出他们的图来,以及各自的应用场景和特点 3.3神经网络的训练过程,思路写出来 3.4 损失函数,常用的损失函数有哪些,表达形式(公式),适用场合 3.5 神经网络训练过程中,过拟合(模型过于复杂(所包含的参数过多),以致于模型对训练集的拟合很好,但对未知数据预测很差的现象(泛化能力差)。) (1)增加训练数据量①采集更多的数据;②数据增广(image augmentation):对已有数据做一系列随机改变,来产生相似但又原创 2022-06-21 00:19:37 · 2002 阅读 · 0 评论 -
实验5 卷积神经网络实验中
一、实验要求在计算机上验证和测试Pytorch卷积神经网络对树叶分类的效果,测试卷积神经网络的训练效果,同时查阅相关资料。实验目的1、掌握PyTorch的基本使用;2、掌握PyTorch的卷积神经网络;3、掌握PyTorch的图像分类训练流程;三、实验内容实验步骤请对classify-leaves数据集,设计卷积神经网络,用train.csv做测试,test.csv做测试。 本来想训练了3个优秀的模型(ResNeSt+ResNeXt+DenseNet),最后进行集成,然后发现原创 2022-05-18 10:46:13 · 533 阅读 · 0 评论 -
实验5 卷积神经网络实验
一、实验要求在计算机上验证和测试Pytorch卷积神经网络的原理和算法实现,测试卷积神经网络的训练效果,同时查阅相关资料。实验目的1、掌握PyTorch的基本使用;2、掌握PyTorch的卷积神经网络;3、掌握PyTorch的图像分类训练流程;三、实验内容实验步骤import osos.environ["CUDA_VISIBLE_DEVICES"] = '0' #默认为显卡0import torchimport torch.nn as nnimport torch原创 2022-05-05 10:02:04 · 5142 阅读 · 0 评论 -
深度学习期中复习
第一章深度学习和机器学习差异机器学习基本问题:分类,回归,聚类,降维算法:KNN,贝叶斯,决策树,SVM,逻辑回归,随机森林,集成学习改变结构,实现不同的玩法,适应不同场合深度学习主要是解决分类,回归,模拟感知机,多层神经网络,卷积,递归,GAN统一的计算单元,通过变换参数和连接实现不同应用场合1.深度学习与机器学习的主要区别是在于性能。当数据量很少的时候,深度学习的性能并不好,因为深度学习算法需要大量数据才能很好理解其中蕴含的模式。2.深度学习算法严原创 2022-04-19 15:50:22 · 827 阅读 · 0 评论 -
实验3 多层神经网络实验
一、实验要求在计算机上验证和测试多层神经网络的原理和算法实现,测试多层神经网络的训练效果,同时查阅相关资料。实验目的1、掌握多层神经网络的基本原理;2、掌握多层神经网络的算法过程;3、掌握反向传播的算法过程;三、实验内容实验步骤请阅读和测试多层神经网络类代码,观察多层神经网络训练过程和结果,请对隐藏层Dense类和多层神经网络MLPClassifier类的代码进行注释,然后代码截图。请对多层神经网络改进,..原创 2022-03-15 11:03:12 · 1266 阅读 · 0 评论 -
多层神经网络实验
本次实验受益匪浅,下面附代码详解from sklearn import datasetsimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import Perceptron #感知机from sklearn.neural_network import MLPClassifier #多层神经网络from warnings import simplefiltersimplefilter(...原创 2022-03-20 21:55:47 · 1830 阅读 · 0 评论 -
感知机基础实验
一、实验要求在计算机上验证和测试多感知机原理和算法实现,测试感知机的训练效果,同时查阅相关资料。实验目的1、掌握感知机基本原理;2、掌握感知机算法过程;3、掌握Pytorch安装;三、实验内容实验步骤请阅读和测试感知机类和测试代码,观察感知机训练过程,请对代码分别进行注释,然后对注释后的代码截图。四、实验总结手写感知机代码让我知道感知器是一种自调节,收敛的识别算法,虽然只是简单的线性识别,但是在这个基础之上改造就可以慢慢向更复杂,功能更全的识别迈...原创 2022-03-08 21:13:13 · 1952 阅读 · 0 评论 -
实验1深度学习基础实验
一、实验要求在计算机上验证和测试多层神经网络针对不同数据集的训练效果,同时查阅相关资料。实验目的1、掌握sklearn开发环境2、掌握sklearn.neural_network 下的神经网络分类器MLPClassifier;3、掌握sklearn.linear_model 下的感知机分类器Perceptron;三、实验内容实验步骤请针对如下四种数据集,对比2层隐藏层下不同神经元个数(2,2),(5,5),(10,10)以及4层神经网络(2,2,2,2),(5,5,5...原创 2022-02-24 22:45:06 · 842 阅读 · 0 评论