- 博客(28)
- 收藏
- 关注
RSS订阅原创 人工智能-卷积神经网络（学习向）
卷积神经网络（）是一种专门用于处理具有类似网格结构的数据（如图像）的深度学习模型。主要用于处理机器视觉任务。主要功能；1.图像分类2.目标检测3.图像分割。
2024-12-02 23:08:11
1299
原创 人工智能-深度学习-神经网络-激活函数
激活函数通过引入非线性来增强神经网络的表达能力，对于解决线性模型的局限性至关重要。由于反向传播算法(BP)用于更新网络参数，因此激活函数必须是可微的，也就是说能够求导的。
2024-11-28 23:48:46
947
原创 人工智能-深度学习-BP算法
前向传播：正向计算得到预测值。计算损失：通过损失函数计算预测值和真实值的差距。梯度计算：反向传播的核心是计算损失函数对每个权重和偏置的梯度。更新参数：一旦得到每层梯度，就可以使用梯度下降算法来更新每层的权重和偏置，使得损失逐渐减小。迭代训练：将前向传播、梯度计算、参数更新的步骤重复多次，直到损失函数收敛或达到预定的停止条件。
2024-11-28 19:04:15
1256
1
原创 人工智能-深度学习-Torch框架-手动构建回归流程
导入函数，用于生成回归数据集。: 导入math模块，用于进行数学计算，例如向上取整。: 导入random模块，用于随机打乱数据集。: 导入torch库，用于张量操作和神经网络训练。
2024-11-25 19:56:42
1094
原创 人工智能深度学习-Torch框架-数学运算
统计从小到大（默认0,1,2,3,4,5,6,7）的元素出现的次数，没有的元素记作0。13.torch.mode():众数，返回一个众数，以及其原本虽在视图的索引。返回值为一个排序好的张量列表，以及一个对应索引位置的视图。3.round：四舍五入，这里的四舍五入还要看前面整数的奇偶性，基进偶不进。计算正余弦值：torch.sin(input,out=None)计算正切函数：torch.tan(input,out=None)计算余弦值：torch.cos(input,out=None)返回张量中的唯一值。
2024-11-22 19:41:34
964
原创 人工智能深度学习-前置-Torch框架
PyTorch会将数据封装成张量（Tensor）进行计算，所谓张量就是元素为相同类型的多维矩阵。张量可以在GPU 上加速运行。
2024-11-21 09:14:11
1160
1
原创 人工智能机器学习-特征工程
正相关性（Positive Correlation）是指两个变量之间的一种统计关系，其中一个变量的增加通常伴随着另一个变量的增加，反之亦然。在正相关的关系中，两个变量的变化趋势是同向的。当相关系数等于1时，表示两个变量之间存在完美的正相关关系，即一个变量的值可以完全由另一个变量的值预测。它的目的是将不同特征的数值范围缩放到统一的标准范围，以便更好地适应一些机器学习算法，特别是那些对输入数据的尺度敏感的算法。$\rho=1$ 表示完全正相关，即随着一个变量的增加，另一个变量也线性增加。
2024-11-13 00:23:07
1248
原创 人工智能人脸识别---face_recognition库
是一个非常流行的 Python 库，专门用于人脸识别任务。它基于 dlib 库和 HOG（Histogram of Oriented Gradients）特征以及深度学习模型，提供了简单易用的接口来进行人脸检测、面部特征点定位和人脸识别。`face_recognition` 库由 Adam Geitgey 开发，旨在简化人脸识别任务，使其更加容易上手。到这就安装成功了大家可以去看看库有没有下载到自己的环境下。
2024-11-05 18:59:28
617
原创 人工智能-opencv-图片预处理2
在深度学习中，滤波器又称为卷积核，滤波的过程成为卷积卷积核大小，一般为奇数，如3*35*57*7卷积通常为基数，是为了保证锚点在中心，防止位置发生偏移。
2024-11-04 22:26:04
955
原创 人工智能基础-opencv-图像处理篇
cv2.flip是 OpenCV 库中的一个函数，用于翻转图像。翻转可以是水平翻转、垂直翻转或同时水平和垂直翻转。这个函数接受两个参数：要翻转的图像和一个指定翻转类型的标志。要传入的参数有两个，一个是img：为要传入处理的图片翻转: -1:水平和垂直 1:水平翻转，0 垂直翻转。
2024-11-01 19:37:37
1395
原创 人工智能基础 opencv
OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它提供了丰富的图像处理和计算机视觉算法，广泛应用于各种领域，如图像处理、视频分析、对象检测、人脸识别、机器学习等。在已有虚拟环境的情况下，打开命令符输入进入你指定要安装的目录下，输入上面的下载命令。在进行图片操作时，如果导入图片文件，切记不要把.py文件放在图片文件下。cv2.namedWindow是 OpenCV 库中的一个函数，用于创建一个命名窗口，以便在该窗口中显示图像或
2024-10-31 22:12:58
987
原创 pandas学习（三）新手向
Pandas 之所以能够实现了数据可视化，主要利用了 Matplotlib 库的 plot() 方法，它对 plot() 方法做了简单的封装，因此您可以直接调用该接口；notnull()用于检测 DataFrame 或 Series 中的非空值，返回一个布尔值的 DataFrame 或 Series。isnull()用于检测 DataFrame 或 Series 中的空值，返回一个布尔值的 DataFrame 或 Series。frac：抽取的比例，比如 frac=0.5，代表抽取总体数据的50%
2024-10-28 22:46:07
889
原创 【无标题】
可以更改原 DataFrame 的行标签或列标签，并使更改后的行、列标签与 DataFrame 中的数据逐一匹配。keep：处理重复项 ---- keep=‘frist’时，保留重复的第一项，keep=‘last’时，保留重复的最后一项， keep=False时，删除全部重复项。如果为 False，则返回一个列包含分组信息的 DataFrame。#设置行或列索引时，如果新的行或列索引和原来的索引不一致是，则新的行或列的数据默认填充为Nan，一致的行或列则填充为Dataframe中对应的数据。
2024-10-26 21:39:38
1218
原创 pandas库的学习与理解（新手向）
可以通过pycham的解释器库去搜索下载也可以用Anaconda的命令提示符输入指令下载；我是觉得pycham比较好用就是。
2024-10-24 23:44:28
1340
原创 Matplotlib库的学习与理解
Matplotlib 是一个用于创建静态、动画和交互式可视化的 Python 库。它提供了广泛的绘图功能，可以生成高质量的图形，适用于从简单的折线图到复杂的三维图形的各种需求。
2024-10-23 23:24:12
300
原创 numpy包模块学习（新手向）
这意味着最外层的维度是轴0，然后是轴1，依此类推。求中位数，按照数值从大到小排列后，找中间的元素值，如果元素个数为偶数，则中位数为中间两个元素的平均值。#return_counts = Ture ，表示新数组中的元素在原数组中的数量，也就是计数。：求数组中最小值，axis = 0时，找每列中的最小值，axis = 1时找每行中的最小值；求数组中最大值，axis = 0时，找每列中的最大值，axis = 1时找每行中的最大值；改变数组的形状，如果原数组中的元素数量不够，则将原数组开始位置重新添加元素。
2024-10-22 19:17:51
971
原创 NumPy包基础理解（新手向）
这要求维数相同，且各维度的长度相同，如果不相同，可以通过广播机制，这种机制的核心是对形状较小的数组，在横向或纵向上进行一定次数的重复，使其与形状较大的数组拥有相同的维度。NumPy 中的高级索引指的是使用整数数组、布尔数组或者其他序列来访问数组的元素。如果使用shape属性修改数组的形状，则修改的是原数组的形状，reshape修改数组的形状会返回一个新数组，不修改原数组的形状。#step：等差数列的补偿，可以是正整数，负整数，浮点数，负浮点数等，如果step是负值是，start的值要比stop的值要大。
2024-10-21 19:19:40
728
原创 python进阶，类和对象（新手向）
类属性在类的所有实例之间是共享的，因此修改类属性会影响到所有实例。这使得类方法可以访问和修改类属性以及调用其他类方法，而不需要引用具体的实例。继承是从已有的类中派生出新的类，新类具有原类的数据属性和行为，并能扩展新的能力。cls的作用与slef相似。类是对象的蓝图，描述了对象的属性（数据成员）和行为（方法）。派生类就是从一个已有类中衍生出新类，在新的类上可以添加新的属性和行为。类方法是用于描述类的行为的方法，类方法属于类，不属于该类创建的对象。静态方法是定义在类的内部函数，此函数的作用域是类的内部。
2024-10-17 20:08:08
1028
原创 python进阶版 （新手向）
局部变量是在函数内部定义的变量。它们的作用域仅限于定义它们的函数内部。全局变量是在函数外部定义的变量。它们的作用域覆盖整个模块（文件）。
2024-10-17 00:40:03
1059
原创 线性代数基础理解
其中，Mij是元素 aij 的余子式，即去掉矩阵 A的第i 行和第 j 列后得到的 (n−1)×(n−1）子矩阵的行列式。逆序是指在一个排列中，如果一个较大的数排在一个较小的数前面，则称这两个数构成一个逆序。主要用于线性代数中，它是一个可以从方阵（即行数和列数相等的矩阵）形成的一个标量（即一个单一的数值）。N(651243)=10，为偶排列，将5和1兑换，则N(615243)=9，就变为奇排列。首先选择一个元素，以元素为基准，忽略元素所在的行列，保留剩下的，就能得到。将这些计数相加，得到总的逆序数。
2024-10-12 20:18:54
947
原创 概率论基础（新手向）
把一个实验的一个结果即事件通过某法则映射到实数上，而结果本身是随机的，有一定概率的。本结果即事件也就是一个随机变量。一个随机变量一般用大写字母X。Y。Z表示，而随机变量的具体取值一般用小写字母x y z表示。举个例子也就是；例如抛掷一枚硬币，在这个过程中，抛掷这枚硬币会得到两个结果，而抛这个动作就用X来表示，用于代表事件产生的结果。而得到的结果则是x（即正面或是反面 x=0或1）
2024-10-11 22:41:02
468
原创 数学基础“概率”（新手向）
假设事件 A1,A2,...,An 是样本空间 Ω 的一个完备事件组，即这些事件两两互斥，并且它们的并集是整个样本空间。条件概率通常表示为 P(A∣B)，读作“在事件 B 发生的条件下，事件 A 发生的概率”。如果事件 A 发生而事件 B 不发生，则表示这些事件的差集发生了。事件 A 和事件 B 的并事件记作 A∪B或A+B，表示 A 或 B 发生。事件A 和事件 B 的交事件记作 A∩B或AB，表示 A 和 B 同时发生。如果事件A 和事件 B 是互斥事件，那么 A 和 B 的交集为空集，即：AB=∅。
2024-10-10 23:07:20
1246
原创 高等数学基础
每个y属于值域（为什么不是Y，因为逆映射没有要求要满射，所以Y中的一些元素可能没用上）都有。1）在函数y=f(x)中，定义域指的是自变量x的所有取值所构成的“集合”（或“区间”）。（3）当定义域中的x的取值个数有限时，则不能表示成区间形式，而只能表示成集合形式。6.逆映射：设法则：X到Y（单射因为如果不是的话，反过来就不符合了）即对X中的每个（元素x）进行取值，又有唯一的y与之对应。3.满射：Y中的每个元素都能用上（值域=Y）2.x属于X，且对应的Y是唯一的。公式为y=f（x），x属于D。
2024-10-09 20:27:59
246
原创 python基础3（新手向）
列表中的值按0，1，2，3，4，5依次顺序排列，也就是列表中数据的下标。# y3=x[100]# 列表的索引（下标，index）不能超过索引范围。##count，统计列表中某元素出现的个数，查看列表中每一个要查看的相同元素的个数。通过下标来修改列表中的数据，例如x=[0],括号内为列表中的数据的下标。在列表末尾一次性追加另一个序列中的多个值（用新列表扩展原来的列表）移除列表中的一个元素（默认最后一个元素），并且返回该元素的值。#切片后，新列表的元素和源列表中的切片范围的元素长得一样。
2024-09-29 20:25:06
835
原创 python基础语句2（新手向）
2.等待用户在控制台输入，等待的结果是用户在控制台输入，输入完毕后，此函数才会生成结果（即用户输入的结果），接着运行下面代码。从第一个if开始，满足条件后就执行第一个条件，若不满足，就一直往else后，直到满足条件输出。1.input,会让程序停止在那儿，暂时不执行后面的代码，等待执行完后才行（跟用户配合，渲染）2.如果判定的结果为Ture，就会执行if语句中的执行体（if语句下的为执行体）#1.传入（）数据直接量，未被赋值的，能直接输出，如字符串，数字等。2.传入变量，打印是一种取值，变量需要经过声明。
2024-09-27 19:17:01
324
原创 python初学，有关变量语法的使用（新手向）
开始新一天的学习，同样是跟大家分享今日所学，都是十分基础且应该相对实用的个人理解吧。首先咱们在上一篇文章完成了环境的搭建，接下来是正式学习环节。
2024-09-25 18:29:58
975
原创 python安装及环境搭建（新手向）
点击下方的create，创建环境，“名称的话随意，仅限于连续的英文”，勾选我们所需的python栏，选择版本号，没有特别需求，或用于学习的话，选择3.9.19即可（这里我是选的这个）。首先本人也是首次接触这门语言，全部的安装流程以及文件也都是来自培训老师，所以应该适配大部分兄弟，如有不足，请批评指正。首先，咱们安装我们的Anaconda，文件的话就不放了，这个在anaconda官网也有，下载最新版即可。我在目前的学习中使用的是社区版，大家在学习或工作也大都是用到这个，如果有需要的，可以私我分享。
2024-09-24 19:11:00
843
1
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