<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qqqqqqqin的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Soraca</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Soraca]]></copyright><item><title><![CDATA[DataWhale“深入浅出PyTorch”第八章]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/123718223</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/123718223</guid><author>Soraca</author><pubDate>Thu, 24 Mar 2022 19:17:49 +0800</pubDate><description><![CDATA[教程前四章的打卡记录：深入迁出pytorch专栏
该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch
DataWhale“深入浅出PyTorch”第八章——PyTorch生态简介
PyTorch之所以会在短短的几年时间里发展成为主流的深度学习框架，除去框架本身的优势，还在于PyTorch有着良好的生态圈。
1.图像——torchvision
torchvision经常用来调用预训练模型，加载数据集，对图片进行数据增强的操作。
带 *的部分是我们经常会使用到的一些库，所]]></description><category></category></item><item><title><![CDATA[DataWhale“深入浅出PyTorch”第七章]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/123654887</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/123654887</guid><author>Soraca</author><pubDate>Tue, 22 Mar 2022 20:41:56 +0800</pubDate><description><![CDATA[教程前四章的打卡记录：深入迁出pytorch专栏
该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch
DataWhale“深入浅出PyTorch”第七章—— PyTorch可视化
ps:本次主要都是解决	BUG了
文章目录DataWhale“深入浅出PyTorch”第七章—— PyTorch可视化1可视化网络结构1.1 使用print函数打印模型基础信息1.2 使用torchinfo可视化网络结构2 CNN可视化2.1 CNN卷积核可视化2.2 CNN特征图可视化方法]]></description><category></category></item><item><title><![CDATA[DataWhale“深入浅出PyTorch”第六章]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/123601142</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/123601142</guid><author>Soraca</author><pubDate>Sat, 19 Mar 2022 20:35:57 +0800</pubDate><description><![CDATA[教程前四章的打卡记录：深入迁出pytorch专栏
该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch
DataWhale“深入浅出PyTorch”第六章—— PyTorch进阶训练技巧
文章目录DataWhale“深入浅出PyTorch”第六章—— PyTorch进阶训练技巧1. 自定义损失函数1.1 以函数的方式定义1.2 以类的方式定义2. 动态调整学习率2.1 使用官方scheduler2.2 自定义scheduler3. 模型微调4.半精度训练4.1 半精度训]]></description><category></category></item><item><title><![CDATA[DataWhale“深入浅出PyTorch”第五章]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/123529927</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/123529927</guid><author>Soraca</author><pubDate>Wed, 16 Mar 2022 21:39:02 +0800</pubDate><description><![CDATA[教程前四章的打卡记录：深入迁出pytorch专栏
该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch
DataWhale“深入浅出PyTorch”第五章——PyTorch模型定义的方式
文章目录DataWhale“深入浅出PyTorch”第五章——PyTorch模型定义的方式1.1 前置知识1.2 Sequential(顺序的)1.3 ModuleList1.4 ModuleDict1.5 三种方法的比较与使用场景2.1 利用模型块快速搭建复杂网络2.2 U-Net模]]></description><category></category></item><item><title><![CDATA[DataWhale十一月组队学习“水很深的深度学习”打卡Task03]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/121499843</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/121499843</guid><author>Soraca</author><pubDate>Thu, 25 Nov 2021 15:21:50 +0800</pubDate><description><![CDATA[DataWhale十一月组队学习“水很深的深度学习”打卡Task03
ps:学习资料的Github地址：水很深的深度学习
DataWhale地址： 水很深的深度学习

]]></description><category></category></item><item><title><![CDATA[算法设计与分析课程记录week4]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/121083153</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/121083153</guid><author>Soraca</author><pubDate>Tue, 23 Nov 2021 18:56:56 +0800</pubDate><description><![CDATA[算法设计与分析课程记录week4
PS：此文章仅作为个人课程期间的学习记录
蛮力法
1. 概述
蛮力法是一种简单直接地解决问题的方法，通常直接基于问题的描述和所涉及的概念定义，找出所有可能的解。然后选择其中的一种或多种解，若该解不可行则试探下一种可能的解。
使用蛮力法通常有如下几种情况：

搜索所有的解空间：问题的解存在于规模不大的解空间中。
搜索所有的路径：这类问题中不同的路径对应不同的解。
直接计算：按照基于问题的描述和所涉及的概念定义，直接进行计算。往往是一些简单的题，不需要算法技巧的。
模拟和仿真：]]></description><category></category></item><item><title><![CDATA[算法设计与分析课程记录week3]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120955623</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120955623</guid><author>Soraca</author><pubDate>Tue, 23 Nov 2021 18:56:21 +0800</pubDate><description><![CDATA[算法设计与分析课程记录week3
PS：此文章仅作为个人课程期间的学习记录
分治法
1 分治法概述
1.1 分治法的设计思想
对于一个规模为n的问题：若该问题可以容易地解决（比如说规模n较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。
分治法所能解决的问题一般具有以下几个特征：

该问题的规模缩小到一定的程度就可以容易地解决。
该问题可以分解为若干个规模较小的相同问题。
利用该问]]></description><category></category></item><item><title><![CDATA[DataWhale十一月组队学习“水很深的深度学习”打卡Task02]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/121400053</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/121400053</guid><author>Soraca</author><pubDate>Sat, 20 Nov 2021 15:37:15 +0800</pubDate><description><![CDATA[DataWhale十一月组队学习“水很深的深度学习”打卡Task01
ps:学习资料的Github地址：水很深的深度学习
DataWhale地址： 水很深的深度学习

]]></description><category></category></item><item><title><![CDATA[DataWhale十一月组队学习“水很深的深度学习”打卡Task01]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/121335960</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/121335960</guid><author>Soraca</author><pubDate>Wed, 17 Nov 2021 19:52:38 +0800</pubDate><description><![CDATA[DataWhale十一月组队学习“水很深的深度学习”打卡Task01
ps:学习资料的Github地址：水很深的深度学习
DataWhale地址： 水很深的深度学习
1 绪论与深度学习概述
1.1 人工智能、机器学习与深度学习
人工智能大致上可分为三类：

弱人工智能：机器只是看起来智能，不能真正地进行推理和解决问题，无智能也无自主意识
强人工智能：有自主意识的，认为有可能制造出能真正地进行推理和解决问题的机器
超级人工智能：认为机器的智能能彻底超过人类

机器学习

定义：让计算机能像人一样具有学习和思考]]></description><category></category></item><item><title><![CDATA[DataWhale10月“深入浅出PyTorch”Task04打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120887474</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120887474</guid><author>Soraca</author><pubDate>Thu, 21 Oct 2021 20:36:31 +0800</pubDate><description><![CDATA[ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记
pss:该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch
文章目录基础实战——FashionMNIST时装分类导入必要的包配置训练环境和超参数数据读入和加载模型设计设定损失函数设定优化器训练和测试（验证）模型保存
基础实战——FashionMNIST时装分类
以下内容根据DataWhale的教程基础实战——FashionMNIST时装分类撰写。
经过前面三章内容的学习，我们完成了以下的内]]></description><category></category></item><item><title><![CDATA[DataWhale10月“深入浅出PyTorch”Task03打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120819498</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120819498</guid><author>Soraca</author><pubDate>Tue, 19 Oct 2021 21:07:14 +0800</pubDate><description><![CDATA[ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记
pss:该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch
1.概述
机器学习的一般步骤

深度学习和机器学习在流程上类似，但在代码实现上有较大的差异。存在以下不同之处：

数据预处理：首先，由于深度学习所需的样本量很大，一次加载全部数据运行可能会超出内存容量而无法实现；同时还有批（batch）训练等提高模型表现的策略，需要每次训练读取固定数量的样本送入模型中训练，因此深度学习在数据加载上]]></description><category></category></item><item><title><![CDATA[算法设计与分析课程记录week2]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120808025</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120808025</guid><author>Soraca</author><pubDate>Sun, 17 Oct 2021 15:34:50 +0800</pubDate><description><![CDATA[算法设计与分析课程记录week2
PS：此文章仅作为个人课程期间的学习记录
递归算法设计技术
1. 递归的概念
在定义一个过程或函数时出现调用本过程或本函数的成分，称之为递归。若调用自身，称之为直接递归。若过程或函数p调用过程或函数q，而q又调用p，称之为间接递归。
能够用递归解决问题的三个条件：

需要解决的问题可以转化为一个或多个子问题来求解，而这些子问题的求解方法与原问题完全相同，只是在数量规模上不同。
递归调用的次数必须是有限的。
必须有出口来结束递归的条件来终止递归。

何时使用递归？

定义是递]]></description><category></category></item><item><title><![CDATA[DataWhale10月“深入浅出PyTorch”Task02打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120764657</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120764657</guid><author>Soraca</author><pubDate>Fri, 15 Oct 2021 22:04:09 +0800</pubDate><description><![CDATA[ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记
pss:该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch

]]></description><category></category></item><item><title><![CDATA[DataWhale10月“深入浅出PyTorch”Task01打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120706022</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120706022</guid><author>Soraca</author><pubDate>Tue, 12 Oct 2021 18:37:13 +0800</pubDate><description><![CDATA[ps:本文记录参与Datawhale10月“深入浅出Pytorch”的学习笔记
pss:该教程的GitHub地址：深入浅出PyTorch
哔哩哔哩视频地址：深入浅出Pytorch

]]></description><category></category></item><item><title><![CDATA[算法设计与分析课程记录week1]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/120658102</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/120658102</guid><author>Soraca</author><pubDate>Mon, 11 Oct 2021 18:46:10 +0800</pubDate><description><![CDATA[算法设计与分析课程记录week1
PS：此文章仅作为个人课程期间的学习记录
0.概述
推荐教材：《算法设计与分析》（第2版）李春葆等编著
推荐书籍：《算法导论》，《编程之美》，《编程珠玑》
刷题平台：
PTA
leetcode
推荐网课：
厦门大学算法设计与分析
北京大学算法设计与分析
推荐软件:
Visual Studio Code,Dev C++,CodeBlocks
1.算法的概念
算法需具备的五个基本要素：

好的算法的五个特性：

C++的引用与STL
引用
在C语言中调用函数时只有从实参到形参的]]></description><category></category></item><item><title><![CDATA[Datawhale7月“吃瓜教程“Task05打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/119205833</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/119205833</guid><author>Soraca</author><pubDate>Thu, 29 Jul 2021 15:52:17 +0800</pubDate><description><![CDATA[ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记

pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~



目录

Task05 详读西瓜书+南瓜书第6章

1 间隔与支持向量

2 对偶问题

3 核函数

4 软间隔与正则化

5 支持向量回归

6 核方法

Task05 详读西瓜书+南瓜书第6章

1 间隔与支持向量

我们想要找到一个样本空间D中的超平面，将不同类别的]]></description><category></category></item><item><title><![CDATA[Datawhale7月“吃瓜教程”Task04打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/119087013</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/119087013</guid><author>Soraca</author><pubDate>Sun, 25 Jul 2021 21:47:11 +0800</pubDate><description><![CDATA[ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记

pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~



目录

Task04 详读西瓜书+南瓜书第5章

1 神经元模型

2 感知机与多层网络

3 误差逆传播（BP）算法

4 全局最小与局部最小

5 深度学习



Task04 详读西瓜书+南瓜书第5章

1 神经元模型

定义：我们在机器学习中所谈论的神经网络一..]]></description><category></category></item><item><title><![CDATA[Datawhale7月“吃瓜教程”Task03打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/118992846</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/118992846</guid><author>Soraca</author><pubDate>Fri, 23 Jul 2021 00:02:05 +0800</pubDate><description><![CDATA[ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记

pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~

目录

Task03 详读西瓜书+南瓜书第4章

1 基本流程

2 划分选择

2.1 信息增益

2.2 增益率

2.3 基尼指数

3 剪枝处理

3.1 预剪枝

3.2 后剪枝

4 连续与缺失值

4.1 连续值处理

4.2 缺失值处理

5 多变量决策树

]]></description><category></category></item><item><title><![CDATA[Datawhale7月“吃瓜教程”Task02打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/118906525</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/118906525</guid><author>Soraca</author><pubDate>Mon, 19 Jul 2021 22:41:39 +0800</pubDate><description><![CDATA[ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记

pss:文章所有PPT截图来自于：Datawhale吃瓜教程（https://www.bilibili.com/video/BV1Mh411e7VU），记得一键三连~



目录

Task02 详读西瓜书+南瓜书第3章

1 线性回归

1.1 一元线性回归

1.2 多元线性回归

2 对数几率回归

3 线性判别分析

4 多分类学习

5 类别不平衡问题

Task02 详读西瓜书+南瓜书第3章

1 线性回归

基本形式：



优]]></description><category></category></item><item><title><![CDATA[Datawhale7月“吃瓜教程”Task01打卡]]></title><link>https://blog.youkuaiyun.com/Soraca/article/details/118698322</link><guid>https://blog.youkuaiyun.com/Soraca/article/details/118698322</guid><author>Soraca</author><pubDate>Tue, 13 Jul 2021 22:09:25 +0800</pubDate><description><![CDATA[ps:本文为记录参与Datawhale-7月吃瓜教程的学习笔记

Task01——概览西瓜书+南瓜书1、2章

1 绪论

1.1 引言

通过根据已有的经验来预测判断西瓜“好坏”与否来引入机器学习的概念。


机器学习：一门致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。




1.2 基本术语


	数据集（data set）：一组记录的集合。
	
	
	示例（instance）/样本（example）：数据集中的一条对事件或对象的记录。
	
	
	属性（attrribute）/特征（fe]]></description><category></category></item></channel></rss>