![](https://img-blog.csdnimg.cn/20201014180756913.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 65
Jokic_Rn
北航
展开
-
机器学习基础——强化学习
强化学习基本概念State sss 表示当前状态Action aaa 表示当前当前行为Policy π\piπ A∼π(a∣s)A\sim\pi(a|s)A∼π(a∣s) 表示根据当前状态做出行为a的概率分布策略,AAA为离散型随机变量时,π\piπ为一个概率,AAA为连续型随机变量时,π\piπ为概率密度。Action-value function 动作价值函数,用QQQ评估给定policy时,什么action最好(Q越大,action越好)Qπ(st,at)=E[Ut∣St=st,At=at原创 2022-05-02 11:32:32 · 685 阅读 · 0 评论 -
Transformer——细节推导
self attentionReference台大李宏毅21年机器学习课程原创 2022-03-22 11:44:02 · 2361 阅读 · 0 评论 -
Python——PCA主成分分析
PCA主成分分析输入X,降低后的维度kdef PCA_Batch_Feat(X, k, center=True): """ param X: BxCxHxW param k: scalar return: """ B, C, H, W = X.shape X = X.permute(0, 2, 3, 1) # BxHxWxC X = X.reshape(B, H * W, C) U, S, V = torch.pca_lowran原创 2022-03-04 21:41:53 · 1636 阅读 · 0 评论 -
Tensorflow2.2 object detection API win10安装大坑——解决多个CUDA安装下运行错误的问题
Tensorflow2.2 object detection APItensorflow2.2 object detection API运行出现Unknown errors是最坑的一个点,花了将近8个小时才找到问题。下面慢慢来看我的采坑记录,一步一步来都能跑起来这个Demo。安装流程可按照here需要注意的点我都标黄了:所有操作安装都在虚拟环境里操作,我的虚拟环境是tensorflow,这个环境下安装的是tf2.2.0开始我就瞎安装,base环境安了tf1.5.0,然后又在tensorflow环原创 2021-01-25 16:10:07 · 967 阅读 · 10 评论 -
Pytorch线性回归(2)
本章节通过从零实现线性回归介绍训练过程原创 2021-07-01 22:03:56 · 123 阅读 · 0 评论 -
Pytorch进阶(2)
1.查询torch版本/CUDA是否可用import torchimport numpy as npprint(torch.__version__)print(torch.cuda.is_available())2.创建张量(1)直接创建(2)由列表转换(3)由numpy数组转换(4)格式复制x = torch.arange(12)x = torch.ones((2,3,4))#2个3*4矩阵构成的张量x = torch.randn((5,5))data = [[1,2],[3原创 2021-06-27 17:39:06 · 129 阅读 · 0 评论 -
Pytorch基础(1)
torch.randn()输出正态分布随机数example1:import torchimport torch.nn as nninput = torch.randn(1, 1, 3, 4)print(input)结果:tensor([[[[ 0.5028, -0.7468, 1.8858, 0.1745], [ 0.8540, 0.0401, 1.4751, 0.9010], [-0.3230, -0.4141, -0.4215,..原创 2021-02-13 15:31:35 · 213 阅读 · 1 评论 -
长短时记忆网络LSTM
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_datamnist=input_data.read_data_sets('MNIST_data',one_hot=True)tf.reset_default_graph()# 输入图片是28*28n_inputs = 28 # 输入一行,一行有28个数据max_time = 28 # 一共有28行lstm_size = 100 # 隐层单元原创 2021-01-16 10:30:45 · 189 阅读 · 2 评论 -
抵抗过拟合
抵抗过拟合增大数据集Early stopping当连续10个epoch都没有达到最佳accuracy时,提前结束迭代DropoutDropout:在训练时候,让一部分神经元不参与训练,在测试时候所有神经元都参与测试。结论:Dropout可以抵抗过拟合,但不是任何情况都适用,一般在神经网络比较复杂时候使用,效果会比较好import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_da原创 2021-01-12 15:24:08 · 145 阅读 · 0 评论 -
MNIST数据集分类简单版本
import tensorflow as tffrom tensorflow.examples.tutorials.mnist import input_data# 载入数据集,one_hot = True 采用独热编码,即 1-> 0100000000 ,5-> 0000010000mnist = input_data.read_data_sets("mnist_data",one_hot = True)# 批次大小,每次训练放入64个数据,批次大小通常为16,32,64batch原创 2021-01-12 11:01:46 · 244 阅读 · 1 评论 -
Tensorflow非线性回归的应用
Tensorflow非线性回归的应用线性回归训练的是k、d,非线性回归用的是神经网络来训练权值w,tensorflow 2.0版本有很多坑要注意,完整代码写在最后首先给出一个非线性的关系y=x2y = x^2y=x2,再加上一个正态分布的噪声,通过神经网络训练得到输入输出关系tf.compat.v1.disable_eager_execution()是由于tensorflow 2.x版本和1.x版本不兼容加上的import tensorflow as tfimport numpy as np原创 2021-01-11 17:18:49 · 336 阅读 · 1 评论 -
Tensorflow线性回归的应用
Tensorflow线性回归的应用y_data是x_data的线性函数并加了一个噪声,这里通过训练k,d的值来使预测值y与y_data的误差达到最小,评估指标为二次代价函数(即标准差),优化方法采用的是梯度下降法,每次训练都会是变量(Variable)k,d发生变化,训练200次得到的结果显示已经比较接近y_dataimport tensorflow as tfimport numpy as npimport matplotlib.pyplot as plt# 均匀分布x_data = np.r原创 2021-01-11 11:20:06 · 104 阅读 · 0 评论 -
sklearn神经网络手写数字识别
from sklearn.neural_network import MLPClassifierfrom sklearn.datasets import load_digitsfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import classification_report,confusion_matriximport matplotlib.pyplot as pltdigits = load原创 2021-01-10 17:18:24 · 784 阅读 · 0 评论 -
BP神经网络实现手写数字识别
BP神经网络实现手写数字识别完整代码在最后1.导入包import numpy as npfrom sklearn.datasets import load_digitsfrom sklearn.preprocessing import LabelBinarizerfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import classification_report,confusion_matri原创 2021-01-10 15:45:55 · 7378 阅读 · 8 评论 -
BP神经网络python算法实现
BP神经网络python算法实现误差逆传播(errorBackPropagation)算法,简称BP算法例.用BP神经网络解决异或问题异或运算结果是0或者1,属于分类问题。输入数据为(0,0),(0,1),(1,0),(1,1)(0,0),(0,1),(1,0),(1,1)(0,0),(0,1),(1,0),(1,1)输出为0,1,1,0偏置量设置为x0=1x_0 = 1x0=1,则输入神经元为x0,x1,x2x_0,x_1,x_2x0,x1,x2,隐藏层设置10个神经元,输入层到隐藏原创 2021-01-09 21:30:51 · 1237 阅读 · 0 评论