- 博客(17)
- 收藏
- 关注
RSS订阅原创 2 机器学习基础
此外还需要为机器学习算法准备特定的数据格式，如某些算法要求特征值使用特定的格式，一些算法要求目标变量和特征值是字符串类型，而另一些算法则可能要求是整数类型。如果使用无监督学习算法，由于不存在目标变量值，故而也不需要训练算法，所有与算法相关的内容都集中在第5步。从上表中所列的算法中选择实际可用的算法，必须考虑下面两个问题：一、使用机器学习算法的目的，想要算法完成何种任务，比如是。只能在一定程度上缩小算法的选择范围，一般并不存在最好的算法或者可以给出最好结果的算法，同时还要。如果这是唯一的需求，则使用。
2026-07-17 18:00:36
194
原创 机器学习 1 大纲
任何复杂系统都是由基础工程构成的，尤其是算法出现问题时，增量地搭建系统可以确保我们及时找到问题出现的位置和原因。如果刚开始就把这些堆砌在一起，我们就很难发现到底是不准确的算法实现引发的问题还是数据格式的问题。虽然不在排名前十的列表中，但是引入了算法优化的主题，也是非常重要的，这一章最后还讨论了如何处理数据集合中的缺失值；，它也是本书讨论分类机器学习算法的最后一章，这一章还讨论了训练样本非均匀分布时所引发的。(3）将步骤2得到的数据输入到步骤1的算法中，检验算法的运行结果。第10章讨论的无监督学习算法是。
2026-07-16 22:02:39
157
原创 创建的Git仓库对应的Git配置信息
核心前提：先从GitHub仓库页面复制HTTPS/SSH格式的远程仓库地址。快速生成配置：用git clone克隆远程仓库，本地会自动生成配置文件。手动配置关联：本地git init后，通过git remote add origin 地址关联远程，同样生成配置文件。这个配置文件包含了本地仓库与GitHub远程仓库的核心关联信息，是Git操作的关键配置文件。
2026-02-23 17:42:31
232
原创 something-something-v1
> video.tar //指定部分分卷合并。//注意不要直接用WinRAR压缩文件解压video.tar，我解压不出来，用下面这个代码。3.查看刚才的cmd窗口或者在该窗口回车，可以出现数据集分卷合并情况。type * >> video.tar //合并全部。2.在cmd里面，先切换到自己的数据集目录。4.等完成后我们直接执行下面一行代码进行解压。5.解压完毕，就出现我们需要的数据集了。大约二三十分钟以后合并完成。
2026-02-23 13:29:02
210
原创 PyTorch——第10章 图像风格迁移
两种特征度量：一种用于表示图像的内容，另一种用于表示图像的风格底层卷积层提取的风格特征较细节，提取的内容特征较详细；
2026-02-20 19:10:45
376
原创 自动生成requirements.txt 文件
遇到编码语言不同时，或不是UTF-8时可能会产生报错。进入项目根目录后执行 pigar generate。会包含环境中所有包（哪怕代码没用到）
2026-02-19 20:55:56
205
原创 PyTorch——第七章 卷积神经网络与计算机视觉
多通道卷积：分别使用不同卷积对RGB每一个通道进行卷积，然后使用线性或非线性的激活函数将相同位置的卷积特征合并为一个。图像处理中认为图像的特征具有局部性，由特定的连接权值转而考虑让空间中不同位置的节点连接权值进行共享。全局连接：前一层的某个节点和后一层的所有节点都有连接，后一层的某个节点和前一层的所有节点都有连接。3代替之前的大卷积核，可加深网络的深度，但最后的3层全连接层的参数量过于庞大。边界填充：在输入张量的边界填充0，使卷积操作的输入和输出张量的大小不变。卷积层：代表卷积操作的节点层。
2026-02-12 20:06:00
465
原创 PyTorch——第六章 神经网络基础
人工神经网络：拥有处理信号的基础单元；处理单元之间以并行方式连接；处理单元之间的连接是有权重的。连接主义。
2026-02-11 17:53:18
1232
原创 GitHub使用
数据存储：原始数据哈希函数哈希值（比较通用）文件分合以树的形式表示Git仓库的托管服务是GitHub项目的目标之一Pull Request功能：开发者在本地对源代码进行更改后，向GitHub中托管的Git仓库请求合并的功能。
2026-01-31 15:05:59
1339
原创 PyTorch——第五章 Logistic回归
通过分析一组随机变量（因变量）与另一组随机变量（因变量）的关系，得到一个可靠的模型，使得对于给定的一组值，可以利用该模型对另一组值进行预测。分类问题中预测值是一个离散变量，它代表着通过特征所预测出来的类别；而在回归问题中，是一个连续变量。
2026-01-27 20:31:22
549
原创 本网站的Markdown(MD)编辑器
如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：撤销：Ctrl/Command + Z重做：Ctrl/Command + Y加粗：Ctrl/Command + B斜体：Ctrl/Command + I标题：Ctrl/Command + Shift + H无序列表：Ctrl/Command + Shif
2026-01-27 08:22:49
674
原创 PyTorch——第四章 深度学习基础
PyTorch的Tensor相当于NumPy的N维矩阵对象ndarray，但再功能上比其增加了两个点。1.Tensor能利用GPU计算。2.Tensor不需要手动计算微分。
2026-01-25 23:03:09
735
原创 PyTorch——第三章 机器学习基础知识
Lyy：在某种损失函数度量下，训练集上的平均误差：测试集上的误差（衡量一个模型泛化能力的重要指标）训练集可能存在的问题：1. 训练集样本太少，缺乏代表性2. 训练集本身存在错误的样本，即若片面追求训练误差的最小化，导致模型参数复杂度增加，使模型。为选择效果最佳的模型，并防止其过拟合，通常采用两种方法：使用验证集调参和对损失函数进行正则化。
2026-01-24 13:17:47
835
原创 PyTorch——第二章 深度学习框架
全称为Convolutional Architecture for Fast Feature Embedding官网是htttp://caffe.berkkeleyvision.org/其扩展性并不好，若用户想要添加层，则需要自己实现网络层的向前，向后和梯度更新。
2026-01-23 17:02:22
791
原创 PyTorch——第一章 深度学习简介
使用计算机及相关设备对生物视觉的一种模拟。主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息。强化学习，非监督学习，监督学习并列为机器学习的三种主要学习方法强调如何基于环境行动，以取得最大化的预期利益（心理学的行为主义理论）监督学习：通过带有标签或对应结果的样本训练得到一个最优模型，再利用这个模型将输入映射为相应的输出，以实现分类。非监督学习：在样本标签未知的前提下，根据样本间的相似性对样本聚类，使类内差距最小化，学习出分类器。
2026-01-23 12:28:36
864
原创 VSCode的通过编码重新打开与通过编码保存
2. 在 VS Code 中：点击右下角的编码（如 "GBK"），选择 **"通过编码重新打开"** → 选择 **GBK**，确认文字显示正常后，再点击编码 → **"通过编码保存"** → 选择 **UTF-8**VSCode 右下角点击当前编码（如 “UTF-8”）→ 选择 “通过编码重新打开”→ 选目标编码。永久效果：之后打开文件，用新编码就能正常显示永久效果：之后打开文件，用新编码就能正常显示。1. 用 **VS Code** 或 **Notepad++** 打开 `4.1.py`
2026-01-20 17:37:49
161
原创 鸿蒙系统第一章——配置
entry是我们的工程文件，main下的ets存放源码，其下的entryability表示配置，pages表示一些页面，resources表示一些模块资源，提高程序的维护性；en_US和zh_CN表示支持国际化的文件夹，其下有个重点是module.json5表示对当前模块的一些配置。AppScope用来保存一些全局配置，其下的resources表示一些全局的资源，其下的app.json5很重要，包含一些全局的信息。1.2下载安装DevEcoStudio。1.4使用预览器查看应用效果。
2025-12-13 12:22:28
273
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人