- 博客(43)
- 收藏
- 关注
原创 jupyter notebook更改位置
2. 用记事本打开这个配置文件,定位到c.NotebookApp.notebook_dir = '/path_to_your_directory'添加要存放的位置在目标文件的末尾,重新启动jupyter notebook即可。3.找到jupyer图标的位置,打开属性。一般在c盘用户的.jupter文件夹下。1.找到jupyer的配置文件。
2024-05-29 15:04:14
246
原创 将Latex中Algorithm 1 改成算法1.1
2.algorithm algorithmic 两个地方要修改一下。\floatname{algorithm}{算法3.1}1.要将中文的包导入进去否则算法两个字无法显示出来。
2024-02-19 14:59:33
410
原创 机器学习分类模型
(Decision Tree)是一类常见的机器学习方法,可应用于分类与回归任务,这里主要讨论分类决策树。决策树是基于树结构来进行决策的。下图是使用决策树来决定是否见对象,可以把决策树看作根据要回答的一系列问题,做出决策来进行数据分类。尽管名为“回归”,但逻辑回归实际上是一种分类算法,用于预测二分类或多分类问题。K最近邻(KNN)分类是一种基于实例的学习方法,它使用最接近的训练样本的类别标签来预测新数据点的标签。神经网络分类是机器学习和深度学习中的一个重要应用,特别是在图像识别、文本分类和语音识别等领域。
2023-12-29 20:36:39
492
原创 手写代码系列
(5)手写简易Jquery考虑插件和易扩展性代码演示。(4)手写画图解释原型链(class的原型和本质)(6)手写bind函数 视频6-4。(1)手写clearfix。(2) 手写圣杯模型。(3)手写深拷贝 递归。
2023-07-18 10:09:05
263
原创 2.CSS布局
(offsetwidth)=content宽度+padding左+pading右+boder左+border右 (不含margin)指相邻的两个元素如果同时设置了margin-top和margin-bottom会发生重叠现象。
2023-07-16 12:28:51
165
原创 pytorch快速入门(五)——pytorch 生成对抗网络
改良网络的方法:1.更改损失函数:将均方差损失函数MSELoss() 更改为 BCEloss。更改后测试数据集的性能分(准确率)从87%提高到91%。但下降速度较MSELoss慢,且噪声更大。2.更改激活函数:S型激活函数的缺点是:在输入值变大时,梯度会变得非常小甚至消失。这意味着,在训练神经网络时,如果发生这种饱和,我们无法通过梯度来更新链接权重。可选用直线作为激活函数,直线的固定梯度是永远不会消失的...
2022-02-28 11:09:29
3856
原创 机器学习快速入门(二)
1.根据机器学习应用场景和学习方式的不同,可以简单的分为三类:无监督学习、半监督学习、和有监督学习。2,无监督学习不需要提前知道数据集的类别标签。无监督学习算法的使用场景通常为聚类和降维,如使用K-均值聚类、系统聚类、密度聚类等算法进行数据聚类。使用主成分分析、流行降维等算法减少数据的特征数量。3.半监督学习是利用极少的有标签数据和大量的无标签数据进行学习,通过学习得到的对经验对无标签的测试数据进行预测。4.有监督学习:分类,回归。5.深度学习和传统的机器学习最大的特点是端到端的学习,在进行
2022-02-17 19:55:08
532
原创 医学图像处理(一)
1.HWC转换成CHW,SimpleITK 和 Nibabel 的区别:SimpleITK 加载数据是channel_first,即(155,240,240);Nibabel 是 channel_last,即(240,240,155),其中155是图像通道数,也就是155张图像,可以把nii看成二维图像,也可以看成三维。看成二维就是[HWC]但是 nibabel加载出来的图像被旋转了90度,横过来了但是pytorch中计算的话是[CHW]转换方式有两种一是a=[ ...
2022-02-06 15:30:08
2942
原创 联邦学习安装软件教程2
1.安装 torchmetricsconda install -c conda-forge torchmetrics2.安装 pytorch_lightningpip install pytorch_lightning==1.0.0不能直接安装最新版,不然pytorch的版本也要改变了
2022-02-05 18:04:13
306
原创 机器学习快速入门(一)
1.在机器学习算法中,按照学习方式大致可以分为四大类,分别是监督学习、半监督学习、无监督学习和强化学习。2.监督学习是利用一组带标签的数据集,学习从输入到输出关系的映射关系f,然后将学习到的映射关系f应用到未知的数据上,用于预测未知数据的类别或数值。常见的有分类问题:预测的标签是离散的类别和回归问题:预测的标签是连续数值类型。3,基于监督学习有这么一句话:数据和特征决定了机器学习的上限,模型和算法只是逼近这个上限。4.半监督学习是输入的数据有少量的标签,进行学习,学习的目的就是在这些未标记的数据
2022-02-01 23:57:13
2138
原创 pytorch入门(三)——minist手写体数字识别案例
from torch.nn import initimport torch.nn as nnimport mathimport timeimport torchfrom torchvision import transformsfrom sklearn.model_selection import train_test_splitimport numpy as npimport torch.nn.functional as Fimport pandas as pdimport torc.
2022-02-01 22:38:20
3424
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人