人工智能
毕竟是这个专业的,还是要搞的
weixin_42835514
这个作者很懒,什么都没留下…
展开
-
线性回归实战:股价预测(未完)
线性回归实战:股价预测问题描述剖析数据预处理理解股价数据数据清洗构造训练数据处理NA字段数据归一化构建模型训练数据和测试数据本文内容是对贪心科技课程第二章的笔记问题描述剖析我们制定的任务是:根据历史的股价数据,预测出5天之后的股价。有了这个预测值之后,我们就可以设计这样的买卖策略:如果5天之后的预测值大于现在的价格,就买进。当然,实操中用的买卖策略远比这个复杂得多。首先,股价预测本身可以看作是回归问题,因为被预测的股价可以看作是具体的数值。但如果我们想预测的是未来股价的涨或者跌,那就变成分类问题了。原创 2020-11-18 10:54:53 · 4500 阅读 · 0 评论 -
Context Encoders: Feature Learning by Inpainting论文阅读
这里写目录标题写在前面问题及方法网络结构Encoder-decoder pipeline编码部分Channel-wise fully-connected layer解码部分Adversarial Discriminator损失函数创新点写在前面本身小白,只跑过pytorch官网教程的60分钟快速入门。因人工智能有任务是复现论文算法,所以小组内找了这篇有源码的文章来完成任务。自身对该论文内很多东西也不是很懂,但毕竟第一次详细阅读论文,故记录于此。源码:torch版本Pytorch版本问题及方法该原创 2020-11-04 19:04:11 · 2696 阅读 · 2 评论 -
Pytorch学习(四)GPU上使用神经网络及数据并行处理
Pytorch学习(四)训练图像分类器总结及GPU上训练神经网络一级目录二级目录三级目录一级目录二级目录三级目录原创 2020-10-05 01:13:58 · 1783 阅读 · 3 评论 -
Pytorch学习(三)构建训练并测试神经网络
Pytorch学习(三)定义训练卷积神经网络训练图像分类器构建一个简单的神经网络定义损失函数和优化器训练网络训练图像分类器官方教程我们将按顺序执行以下步骤:1.使用使用 torchvision2.定义卷积神经网络3.定义损耗函数4.根据培训数据对网络进行训练5.在测试数据上测试网络这篇博文为第二三四步,详细代码即注释可见Pytorch学习(一)一些基础认识构建一个简单的神经网络我们这次训练的是彩色图片,所以第一层卷积层的输入应为3个channel。具体代码即注释见下class Ne原创 2020-10-03 23:38:32 · 4721 阅读 · 0 评论 -
Pytorch学习(二)使用 torchvision
Pytorch学习(二)准备数据集torchvision三级目录准备数据集在训练神经网络前,必须有数据。可以使用以下几个数据提供源。准备图片数据集一、CIFAR-10CIFAR-10二、ImageNetImageNet三、ImageFolderImageFolder四、LSUN ClassificationLSUN Classification五、COCO (Captioning and Detection)COCOtorchvision为了方便加载以上五种数据库的数据,torchvis原创 2020-10-01 16:23:03 · 1558 阅读 · 0 评论 -
Pytorch学习(一)一些基础认识
Pytorch学习(一)相关教程文档Tensor张量对Tensor的认识Tensor的常用基本操作Autograd自动微分对Autograd的认识Autograd的内部机理简单的神经网络CNN对神经网络CNN的简单认识定义网络相关教程文档Pytorch官方教程传送门PyTorch中文文档传送门参考博文Zen_君的简书Tensor张量对Tensor的认识其实标量,向量,矩阵它们三个也是张量,标量是零维的张量,向量是一维的张量,矩阵是二维的张量。张量就是按照任意维排列的一堆数字的推广。如图所示,原创 2020-09-28 19:55:19 · 439 阅读 · 0 评论