![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Python
文章平均质量分 92
程序员陈子青
年少风流不看红飞翠舞
只把青春一炬
码得三行春 秋
展开
-
激活函数与Loss的梯度
因为:z0时,梯度是1。因为在向后传播时候,因为梯度是1,所以对于搜索最优解,梯度计算时候非常方便,也不会被放大和缩小,很难出现梯度弥散和梯度爆炸的情况。b)sigmoid的缺点:因为sigmoid函数在处于+∞和-∞时候,导数趋近于0,会使得数据处于更新非常缓慢(长时间loss保持不变的情况),即:梯度弥散问题。函数的自变量的方向,函数的自变量越多,偏微分就越多。有的快,有的准确率高。2)所有概率之和等于1。不断更新自变量,当偏导(梯度)趋近于0的时候,函数值也就趋近于极小值。转载 2023-03-06 18:17:57 · 556 阅读 · 0 评论 -
详解PyTorch Tensor 数据类型——张量
在PyTorch中,视频可以被表示为一个5维的张量,其中第0维表示批次数,第1维表示帧数,第2维表示通道数,第3维表示高度,第4维表示宽度。在PyTorch中,图片可以被表示为一个4维的张量,其中第0维表示批次数,第1维表示通道数,第2维表示高度,第3维表示宽度。例如,一个形状为(1, 3, 224, 224)的张量可以表示一张RGB格式的224x224的图片。总之,不同类型的数据在计算机中都有自己的存储方式和编码方式,而在PyTorch中,这些数据都可以被表示为张量,并且可以方便地进行各种张量操作。原创 2023-03-06 02:25:37 · 4884 阅读 · 0 评论 -
详解Linux下的环境变量以及C++库文件和头文件、python库的配置
我们都习惯在Windows 上配置环境变量,例如 Windows设置系统环境变量即在path中添加配置路径即可;使用VS则在项目设置中配置库文件和头文件路径;使用vscode 则常用cmake编译,编写CMakeLists.txt 链接库文件或头文件即可。而在Linux 环境中,则需要记住一些常用命令和常量值,在此总结如下,以供参考。原创 2023-03-03 00:54:36 · 2482 阅读 · 0 评论 -
Redis数据库操作详解(Python描述)
edis是一款开源的内存数据库,支持键值对存储、发布订阅、持久化等功能。原创 2023-02-22 13:35:07 · 1251 阅读 · 0 评论 -
Python日志模块logging基本用法
例如,你可以将INFO级别的日志写入磁盘文件,将WARNING级别的日志输出到控制台,将ERROR级别的日志发送到Email。你可以将日志输出到不同的地方,实现日志的分级和分模块管理。它会在一定的时间间隔后自动将日志内容写入新的日志文件,以便更好地管理日志文件大小和数量。Formatter:Formatter定义了日志输出的格式,可以定义日期格式、日志级别、日志信息等内容。你可以根据不同的过滤条件来实现日志的过滤。文件中,如果文件大小超过了指定的大小,将会自动创建一个新的日志文件,最多保留7个日志文件。原创 2023-02-21 02:55:58 · 554 阅读 · 0 评论 -
Python机器学习入门笔记(3)—— 线性回归
线性回归是一种基本的机器学习算法,它用于建立自变量和因变量之间的线性关系模型。它假设自变量和因变量之间存在线性关系,通过最小化误差平方和来找到最优的模型参数,包括截距和斜率,以使模型的预测值尽可能地接近真实值。在实际应用中,线性回归算法广泛用于预测房价、股票价格、销售量等连续性数值型数据的预测问题。原创 2023-02-20 12:47:40 · 1643 阅读 · 0 评论 -
Python机器学习入门笔记(2)—— 分类算法
分类算法是机器学习中的一类常见算法,它通过学习已知类别的样本数据,建立分类模型,用来预测新样本所属的类别。本文对几种常用的分类算法进行了详细介绍。原创 2023-02-17 15:59:28 · 1668 阅读 · 1 评论 -
Python机器学习入门笔记(1)—— Scikit-learn与特征工程
在Scikit-learn中,Bunch是一个类似于字典的对象,用于存储机器学习中的数据集和相关信息。Bunch对象的结构通常由以下三个属性构成:data:特征数据,是一个n_samples * n_features的矩阵。target:目标数据,是一个n_samples的数组,通常用于监督学习。feature_names:特征的名称,是一个长度为n_features的字符串列表。原创 2023-02-17 01:09:49 · 1345 阅读 · 1 评论