<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[2402_87337385的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/2402_87337385</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; 2402_87337385]]></copyright><item><title><![CDATA[图像处理学习day02——形态学操作(腐蚀、膨胀、开运算与闭运算、梯度运算、礼帽与黑帽)]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/160130481</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/160130481</guid><author>2402_87337385</author><pubDate>Tue, 14 Apr 2026 09:46:30 +0800</pubDate><description><![CDATA[这个核是一个小的矩阵，比如常见的 3x3 方形，里面全是 1。]]></description><category></category></item><item><title><![CDATA[图像处理学习day01——图像基本操作(读取、转化灰度图、填充、平滑处理)]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/160082697</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/160082697</guid><author>2402_87337385</author><pubDate>Sun, 12 Apr 2026 16:40:05 +0800</pubDate><description><![CDATA[声明：本文章将用于记录个人用户下午好556学习图像处理(opencv)基本算法的过程，参考资料为：唐宇迪的AI入门课——opencv。]]></description><category></category></item><item><title><![CDATA[深度学习day06——CNN（卷积神经网络）]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158768956</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158768956</guid><author>2402_87337385</author><pubDate>Sat, 07 Mar 2026 22:45:59 +0800</pubDate><description><![CDATA[(1)绘制图片# 1.定义全黑图片# 参数为H,W,C,即高度,宽度,通道数# 2.绘制图片plt.show()# 3.定义全白图片plt.show()# (2)加载图片plt.show()# (3)测试#dm01()dm02()CNN网络由三部分构成：（1）卷积层（2）池化层（3）全连接层（1）特征提取（2）权重共享（3）局部连接（4）空间不变性（1）降低计算复杂度（2）增大感受野（2）池化层计算特点：池化计算具有两种方式：（1）最大池化：取最大值。]]></description><category></category></item><item><title><![CDATA[深度学习day05——ANN案例（手机价格预测）]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158730145</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158730145</guid><author>2402_87337385</author><pubDate>Fri, 06 Mar 2026 20:56:22 +0800</pubDate><description><![CDATA[有20个特征和1个可能的价格区间，问题是根据这20个特征对不同的手机进行价格区间的划分因此，我们不需要准确预测出手机的价格，而是将其划分到正确的区间即可所以这不是一个回归问题，而是一个分类问题。]]></description><category></category></item><item><title><![CDATA[深度学习day04——网络优化方法和正则化]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158689242</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158689242</guid><author>2402_87337385</author><pubDate>Thu, 05 Mar 2026 11:26:13 +0800</pubDate><description><![CDATA[声明：本文章将用于记录个人用户下午好556学习深度学习基本算法的过程，参考资料为：黑马程序员--深度学习。]]></description><category></category></item><item><title><![CDATA[深度学习day03——神经网络基础]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158649131</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158649131</guid><author>2402_87337385</author><pubDate>Wed, 04 Mar 2026 20:11:10 +0800</pubDate><description><![CDATA[在构建神经网络之后，网络中的参数是需要初始化的。需要初始化的参数主要有权重和偏置偏置一般初始化为0参数初始化的作用：1）防止梯度消失或爆炸2）提高收敛速度3）保持对称型破除参数初始化的方法：重点是Kaiming初始化xavier初始化。Kaiming初始化适用于ReLu激活函数，而xavier初始化适用于sigmoid、tanh激活函数图解演示：选择：# (1)均匀分布初始化# 创建一个线性层，5个输入维度、3个输出维度# 对权重参数(w)进行初始化。]]></description><category></category></item><item><title><![CDATA[深度学习day02——自动微分模块]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158615927</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158615927</guid><author>2402_87337385</author><pubDate>Tue, 03 Mar 2026 20:10:15 +0800</pubDate><description><![CDATA[声明：本文章将用于记录个人用户下午好556学习深度学习基本算法的过程，参考资料为：黑马程序员--深度学习训练神经网络时，最常用的算法就是反向传播。在该算法中，参数(模型权重，即w，b)会根据损失函数关于对应参数的梯度进行调整。为了计算这些梯度，PyTorch内置了名为torch.autograd 的微分模块。它支持任意计算图的自动梯度计算:自动微分模块就是对损失函数求导、结合反向传播，更新权重参数w、b注意：PyTorch不支持向量张量对向量张量求导，只支持标量张量对向量张量的求导代码演示入门案例：


程]]></description><category></category></item><item><title><![CDATA[深度学习day01——Pytorch基础]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158569803</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158569803</guid><author>2402_87337385</author><pubDate>Tue, 03 Mar 2026 11:50:02 +0800</pubDate><description><![CDATA[张量就是存储同一类型元素的容器，且元素值必须是数值。]]></description><category></category></item><item><title><![CDATA[机器学习入门day05——三种经典决策树及CART树案例实战]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/158012108</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/158012108</guid><author>2402_87337385</author><pubDate>Thu, 12 Feb 2026 22:21:12 +0800</pubDate><description><![CDATA[导包# 1、加载数据集# 2、数据预处理# (1)提取特征和标签# (2)Age列有缺失，先处理缺失值x=x.copy()x['Age']=x['Age'].fillna(x['Age'].mean()) #用平均值填充# (3)针对于Sex列，进行one-hot编码处理(因为Sex列的特征是Object类型的)# (4)划分训练集、测试集# 3、特征工程# pass# 4、模型训练# 5、模型预测print(f'预测值为：{y_pred}')# 6、模型评估。]]></description><category></category></item><item><title><![CDATA[机器学习入门day04——逻辑回归算法总结及其案例]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/157970258</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/157970258</guid><author>2402_87337385</author><pubDate>Wed, 11 Feb 2026 23:33:20 +0800</pubDate><description><![CDATA[ROC曲线：以TPR为y轴，FPR为x轴因为churn标签和gender特征是object类型的，所以要进行one--hot处理通过网盘分享的文件：链接: https://pan.baidu.com/s/16yaF5PT3oG_IpYWzLqzlaQ 提取码: 59akFN%7DTN%7D。]]></description><category></category></item><item><title><![CDATA[机器学习入门day03——逻辑回归算法及乳腺癌预测]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/157805716</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/157805716</guid><author>2402_87337385</author><pubDate>Sat, 07 Feb 2026 00:09:10 +0800</pubDate><description><![CDATA[声明：本文章将用于记录个人用户下午好556学习机器学习基本算法的过程，参考资料为：黑马程序员--机器学习。]]></description><category></category></item><item><title><![CDATA[机器学习入门day02——KNN算法案例（鸢尾花分类、手写数字识别）]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/157762780</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/157762780</guid><author>2402_87337385</author><pubDate>Thu, 05 Feb 2026 23:22:28 +0800</pubDate><description><![CDATA[声明：本文章将用于记录个人用户下午好556学习机器学习基本算法的过程，参考资料为：黑马程序员--机器学习。]]></description><category></category></item><item><title><![CDATA[机器学习入门day01——KNN算法基本思想]]></title><link>https://blog.youkuaiyun.com/2402_87337385/article/details/157731600</link><guid>https://blog.youkuaiyun.com/2402_87337385/article/details/157731600</guid><author>2402_87337385</author><pubDate>Wed, 04 Feb 2026 22:58:35 +0800</pubDate><description><![CDATA[声明：本文章将用于记录个人用户下午好556学习机器学习基本算法的过程，参考资料为：黑马程序员--机器学习。]]></description><category></category></item></channel></rss>