日常：神经网络随便搭（一）

最新推荐文章于 2025-12-03 21:04:27 发布
原创 最新推荐文章于 2025-12-03 21:04:27 发布 · 152 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#pytorch

文章展示了随意构建的网络在经过300轮训练后的性能，达到了0.925的准确率。这表明即使简单的网络架构也能取得不错的效果。

重点：这些网络都是随便搭的然后跑300轮后的结果也放在下面；这些网络都是随便搭的然后跑300轮后的结果也放在下面；这些网络都是随便搭的然后跑300轮后的结果也放在下面；

模型：随便截图了

结果：0.925

GJmachine_code
关注
AI原生应用领域，Llama如何脱颖而出
AI天才研究院
07-08 1008
当我们谈论"AI原生应用"时，我们到底在说什么？想象一下，如果智能手机刚出现时，开发者只是把功能机的应用简单移植过来，会有今天的移动互联网吗？答案显然是否定的。同样，AI原生应用不是简单地给现有应用"加上AI功能"，而是从底层架构就为AI能力设计的全新物种——就像为AI量身定制的"智能房子"，AI不再是墙上的一幅画（附加功能），而是支撑整个房子的钢筋骨架。本文的目的，就是带你搞清楚：在这个AI原生应用的"造房热潮"中，为什么Meta开源的Llama模型能成为最受开发者欢迎的"建筑工具"？
神经网络调参指南
zx15600886035的博客
06-12 950
模型参数: linear.weight: tensor([[ 0.3268, -0.5784]]) linear.bias: tensor([0.6189]) 随机种子 之前我们说过，torch中很多场景都会存在随机数 介绍一下这个随机函数的几个部分上述种子可以处理大部分场景，实际上还有少部分场景（具体的函数）可能需要自行设置其对应的随机种子。日常使用中，在最开始调用这部分已经足够我强烈建议你自己在纸上，用笔推导一下简单的神经网络的训练过程。我们都知道，神经网络的权重需要通过反向传播来实现更新，那
DAY 52 神经网络调参指南
CONGOREDE的博客
08-24 921
正则化中，如果train的loss可以很低，但是val的loss还是很高，则说明泛化能力不强，优先让模型过拟合，在考虑加大正则化提高泛化能力，可以分模块来droupout，可以确定具体是那部分参数导致过拟合，这里还有个小trick是引入残差链接后再利用droupout。预训练参数是最好的参数初始化方法，在训练前先找找类似的论文有无预训练参数，其次是Xavir，尤其是小数据集的场景，多找论文找到预训练模型是最好的做法。关于预训练参数，我们介绍过了，优先动深层的参数，因为浅层是通用的；
疏老师-python训练营-Day52神经网络调参指南
weixin_44861705的博客
08-21 596
知识点回顾：随机种子内参的初始化神经网络调参指南参数的分类调参的顺序各部分参数的调整心得作业：对于day'41的简单cnn，看看是否可以借助调参指南进一步提高精度。知识点的学习：之前有同学问我之前对于权重的可视化有什么意义，我们现在来引入这个概念，从权重的初始化到权重的可视化随着学习的越来越深入，有一些基础的概念我们往后就绕不过去了，还是得把基础打牢，介绍下这些概念。
LyricGenerator：基于神经网络与NLP的歌词生成系统实战（CS学位级项目）
weixin_42315569的博客
11-30 852
当我们谈论AI写歌词时，其实是在探讨一个更深层的问题：创造力的本质是什么？是词语的排列组合？是韵律的数学规律？还是某种无法言说的情感共振？目前的模型或许还做不到完全替代人类创作者，但它已经可以成为一个强大的协作者——帮你打破思维定式，激发新的灵感火花，甚至陪你熬过那些写不出歌的深夜。而这，或许才是技术真正的温度所在 ❤️。“算法不懂眼泪，但它学会了模仿心碎。本文还有配套的精品资源，点击获取。
这一年，这些书：2022年读书笔记
热门推荐
Heartsuit的博客
12-31 3万+
Note: 以下 `markdown` 格式文本由 `json2md` 自动转换生成，可参考[JSON转Markdown：我把阅读数据从MongoDB中导出转换为.md了](https://blog.youkuaiyun.com/u013810234/article/details/113360229)了解具体的转换过程。2022年读书笔记
这一年，这些书：2021年读书笔记
Heartsuit的博客
12-31 2万+
Note: 以下 markdown 格式文本由 json2md 自动转换生成，可参考JSON转Markdown：我把阅读数据从MongoDB中导出转换为.md了了解具体的转换过程。 红玫瑰与白玫瑰:张爱玲全集02 作者：张爱玲[中] ISBN：9787530218617 出版社：北京十月文艺出版社 出版日期：2019-02-28 图书标签：张爱玲,短篇小说,文学,红玫瑰与白玫瑰,小说 豆瓣地址： https://book.douban.com/subject/30294358/ 阅读日期：2021-01
【转载】Hinton“深度学习之父”和“神经网络先驱”，新论文Capsule
yepeng2007fei的博客
04-23 1649
Hinton“深度学习之父”和“神经网络先驱”，新论文Capsule将推翻自己积累了30年的学术成果时 Hinton“深度学习之父”和“神经网络先驱”，新论文Capsule将推翻自己积累了30年的学术成果时 在论文中，Capsule被Hinton大神定义为这样一组神经元：其活动向量所表示的是特定实体类型的实例化参数。他的实验表明，鉴别式训练的多层Capsule系统，在MNIST手写数据集上表现出目前最先进的性能，并且在识别高度重叠数字的效果要远好于CNN。 该论文无疑将是今年12月初NIPS大会的重头
AI工程师的笔记本环境配置
老潘的博客
05-21 2978
还是爱折腾... 前一阵子买了个新的笔记本电脑，幻13-3050TI-1T版本，全能本，CPU是8核心16线程的标压版AMD锐龙9-5900HS，显卡是NVIDIA-3050TI，重量和macbook差不多，都是1.4kg，便携、可以改变形态。 大概长这样： 可以变换3种形态（莫名有种兴奋感），可能也有人问我为啥不买macbook，没买的原因有两点： macbook不支持nvidia显卡，这个无解，没办法本地跑AI代码，只能远程服务器 macbook用腻了，有一点审美疲劳，新版的macbook pro也
小智音箱利用BL602与RISC-V架构运行神经网络推理
weixin_35636570的博客
11-09 312
本文详解小智音箱如何利用国产BL602芯片与RISC-V架构，在资源受限的MCU上实现本地化神经网络推理，完成低功耗、高隐私的语音唤醒与命令识别，展示从音频采集、特征提取到模型部署的全流程，并探讨其在AIoT领域的广泛应用前景。
探索AI在心理健康监测应用的前沿技术
AI天才研究院
07-30 961
想象一下，如果你有一个24小时不打烊的"心灵小管家"：它能在你失眠时悄悄记录你的情绪波动，在你对着手机自言自语时捕捉到低落的信号，在你心率异常时提醒你"该休息了"。这不是科幻电影，而是AI正在实现的心理健康监测技术。本文的目的，就是带大家走进这个"心灵小管家"的世界：从它如何"感知"人类情绪，到如何"分析"心理状态，再到如何"守护"心理健康。我们会拆解它的"五脏六腑"（核心技术），教大家动手组装一个简易版（代码实战），聊聊它能帮我们做什么（应用场景），以及它现在遇到了哪些"小麻烦"（挑战）。背景介绍。
用AI听懂“不清晰”的声音：个性化语音识别新突破
帅小柏的博客
09-22 128
德国与韩国团队在Interspeech 2025发表突破性研究，提出针对构音障碍患者的个性化语音识别方案。通过Whisper模型+AdaLoRA微调架构，结合x-vector说话人嵌入和LLM生成的合成语音数据，在Speech Accessibility Project数据集上实现WER从12.31降至7.47（↓39.5%）。关键技术包括：利用Parler-TTS模拟病理语音、Phi-3生成语义增强文本、动态过滤低质量合成样本。该方案首次实现轻量级个性化适配，为帕金森、ALS等患者提供
某电商AI应用架构师分享：直播场景下智能调度系统的优化
2502_91592937的博客
08-30 1046
直播是电商的「流量核武器」——2023年中国电商直播GMV达3.5万亿元，占电商总GMV的25%。延迟超过3秒，用户流失率上涨40%；资源利用率低于50%，平台每年多花上亿元服务器成本。本文的核心目的是：用「小学生能听懂的语言」讲清直播智能调度系统的优化逻辑，范围覆盖「流量预测→资源分配→负载均衡」全链路，帮技术同学快速复现方案，帮产品同学理解「直播流畅」的技术代价。用「奶茶店排班」的故事引入核心问题；解释「流量特征、传统调度痛点、智能调度三核心」；
Pillow 玩图术：轻松获取图片尺寸和颜色模式
专注于深入研究多种编程语言，以实战为导向，逐步拓展开发技能，提升工程化编码和思维能力，展现无敌技术实力。
05-03 1294
Pillow 是 Python 图像处理库，通过简单代码即可获取图像的尺寸和颜色模式。无论是数据清洗、AI 模型输入检查，还是图像批处理，Pillow 都能助你高效完成任务。
PyTorch的Dataloader模块解析
工地搬砖第一年的博客
12-01 449
过采样少数类，保持类别平衡# 每个少数类样本采样2次。
【ML|DL |python|pytorch|】基础学习
最新发布
十二_的博客
12-03 462
本文介绍了Anaconda环境配置与PyTorch基础操作。主要内容包括：1）使用conda检查和管理Python、PyTorch等环境；2）创建/删除conda环境的技巧；3）PyTorch张量(tensor)的基本创建方法(ones_like, rand等)和属性(dtype, shape等)；4）关键张量操作函数(is_tensor, numel, cat等)的用法，重点讲解了torch.cat()在不同维度拼接三维张量的原理和效果。文章通过代码示例和形象比喻(如"千层饼"、&qu
云主机GPU pyTorch部署
宝安小雨
12-02 176
直接装最新稳定版（当前是 2.5.0，支持 CUDA 11.8 和 12.1，T4 完美支持）这样安装的三个都是GPU版本。
深度学习实战（基于pytroch）系列（四十三）深度循环神经网络pytorch实现
echo的博客
11-30 1134
本文介绍了深度循环神经网络(Deep RNN)的PyTorch实现。深度RNN包含多个隐藏层，每个隐藏状态同时在时间维度(下一时间步)和深度维度(下一层)传递。文章详细阐述了数学定义，包括各层隐藏状态的计算公式和输出层计算。同时提供了PyTorch实现代码，支持RNN、GRU和LSTM三种结构，包含初始化隐藏状态的方法。实现中考虑了超参数调节、门控机制扩展和初始化策略等关键因素，为构建更强大的序列模型提供了基础框架。
深度学习实战（基于pytroch）系列（四十一）长短期记忆（LSTM）pytorch简洁实现
echo的博客
11-29 1076
本文介绍了使用PyTorch简洁实现长短期记忆网络(LSTM)语言模型的方法。首先读取周杰伦歌词数据集并进行预处理，然后定义包含LSTM层和全连接层的RNN模型类，其中LSTM需要同时处理隐藏状态和细胞状态。文章详细展示了模型初始化、预测函数实现以及训练过程，包括梯度裁剪和数据迭代器设计。通过对比手动实现，突出了PyTorch框架在简化LSTM实现方面的优势，为自然语言处理任务提供了高效的解决方案。
MATLAB源码：神经网络滑模控制器设计
结合“control”一词，这个文件很可能是神经网络滑模控制策略的核心实现文件，其中包含了神经网络滑模控制器设计的具体Matlab代码。 ### 知识点内容丰富性 神经网络滑模控制器设计是自动控制领域内一个非常深入的...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值