机器学习速通
Sauvignon.
绝赞断更中~
展开
-
速通机器学习(2)- CNN(最基本的)
卷积参数共享:10filters x 5heighth x 5width x 3 channels ~ 750 features。28 x 28 x 1 ~ 28 x 28 x N ~ 多次调用filter,堆成n层,每次卷积核size一样。* 卷积:特征提取 - 获得 特征图(1,2,3 色调 通道相加) - 训练 以获得 最佳的 W_ij。* 输出规格: // C_h,C_w:卷积的规格,P:补零的规格,Step:扫描步长。* 感受野:7 ~ 7*7 C**2 > 3*(3*3) C**2。原创 2023-11-16 21:22:51 · 77 阅读 · 0 评论 -
速通深度学习(1)- 构建训练任务(B)
承接上文 MNIST - x_train,y_train,batchsize - Tensordataset,dataloader - model - optim。# x_train,y_train 在不基于 MNIST,Cifar10等官方数据集时,用gzip等处理csv,获得 特征/标签。# optim:(1)损失函数loss ~ F继承 (2)定义优化器 ~ optim(3)反向传播 + 更新 + 清空缓存。# 准备 - 各种魔改CNN。# model: 进行实例化。原创 2023-11-16 10:24:01 · 44 阅读 · 0 评论 -
速通深度学习(1):构建数据训练任务(A)
One-Hot_Encoding:返回一列标签分布的概率值 : 比方说5 ~ [0,0,0,0,1,0,0,0,0,0]MNIST:50000 张 图片,每张图规格:28 x 28 x 1 ~ 其中 1 是颜色通道。* 产生 x_train,y_train:读取MNIST。* 对 x_train,y_train读取数据。原创 2023-11-13 16:52:14 · 67 阅读 · 0 评论 -
深度网络速通(0)大创启动 - 备忘录
(2)PyTorch-深度学习编程 - Python-神经网络编程(含JupyterNotebook源代码)(4)泛机器学习模型:BV1HB4y1o7KK + BV1Xw411C7hu + BV1Lj41147Aw。(3)深度网络完全教程(含Coding细节):BV1GC4y1n7Cp:P28-P73。(1)卷积,ResNet 的引入:BV1cx4y1A76Z:P13-P41。# 问题就是本人大创估计要复现很多论文,(0)刘二大人(P1-12)# 课程学习路线(主要是B站)# 最麻烦的是数据预处理。原创 2023-11-09 14:17:05 · 59 阅读 · 1 评论