60天python训练营打卡day38

最新推荐文章于 2025-12-22 13:59:14 发布

原创最新推荐文章于 2025-12-22 13:59:14 发布 · 460 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习

学习目标：

60天python训练营打卡

学习内容：

DAY 38 Dataset和Dataloader类
知识点回顾：
1.Dataset类的__getitem__和__len__方法（本质是python的特殊方法）
2.Dataloader类
3.minist手写数据集的了解

作业：了解下cifar数据集，尝试获取其中一张图片

学习时间：

2025.06.21

@浙大疏锦行

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

tan90�=

关注关注

5
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

Python训练营打卡Day14-SHAP图的绘制

m0_60783025的博客

07-26

707

SHAP（SHapley Additive exPlanations）图是用于解释机器学习模型预测结果的强大工具。尝试确定一下shap各个绘图函数对于每一个参数的尺寸要求，如shap.force_plot力图中的数据需要满足什么形状？三、确定分类问题和回归问题的数据如何才能满足尺寸，分类采取信贷数据集，回归采取单车数据集。②SHAP 特征重要性蜂巢图 (Summary Plot - Violin)SHAP 特征重要性条形图 (Summary Plot - Bar)⑤ SHAP 特征重要性决策图。

Python训练营打卡Day47-CBAM注意力

m0_60783025的博客

08-29

367

SE 通道注意力的局限：仅关注 “哪些通道重要”，未考虑 “重要信息在空间中的位置”。CBAM 的突破：通道注意力（Channel Attention）：分析 “哪些通道的特征更关键”（如图像中的颜色、纹理通道）。空间注意力（Spatial Attention）：定位 “关键特征在图像中的具体位置”（如物体所在区域）。它的核心目标是通过学习的方式，自动获取特征图在通道和空间维度上的重要性，进而对特征图进行自适应调整，增强重要特征，抑制不重要特征，提升模型的特征表达能力和性能。

参与评论您还未登录，请先登录后发表或查看评论

60天python训练营打卡day5

extan的博客

05-19

211

发现自身问题在于pandas库的不熟悉，对其数据类型不理解，方法不掌握。现在在py文件中一次性处理data数据中所有的连续变量和离散变量。但内容十分重要要多加复习，增强自己的数据处理能力！先按照示例代码过一遍，然后完成下列题目。代码见day5.ipynb。题目：离散特征的独热编码。DAY 5 独热编码。内容过多不一一截图了。

60天python训练营打卡day26

extan的博客

06-09

917

●任务：编写一个名为 describe_shape 的函数，该函数接收图形的名称 shape_name (必需)，一个可选的 color (默认 “black”)，以及任意数量的描述该图形尺寸的关键字参数 (例如 radius=5 对于圆，length=10, width=4 对于矩形)。●任务：编写一个名为 print_user_info 的函数，该函数接收一个必需的参数 user_id，以及任意数量的额外用户信息（作为关键字参数）。3.函数的参数类型：位置参数、默认参数、不定参数。

60天python训练营打卡day3

extan的博客

05-17

502

1.创建一个包含三个字符串元素的列表 tech_list，元素分别为 “Python”, “Java”, “Go”。4.修改 tech_list 中的第二个元素（索引为 1），将其从 “Java” 更改为 “Ruby”。1.定义一个包含整数的列表 scores，赋值为 [85, 92, 78, 65, 95, 88]。6.计算当前 tech_list 的长度，并将结果存储在变量 current_length 中。2.获取列表中的第一个元素，并将其存储在变量 first_tech 中。

60天python训练营打卡day

extan的博客

06-08

170

4.try-except-else-finally机制。2.debug过程中的各类报错。3.try-except机制。DAY 25 异常处理。

60天python训练营打卡day45

extan的博客

06-28

166

3.实际上对目前的ai而言，你只需要先完成最简单的demo，然后让他给你加上tensorboard需要打印的部分即可。1.tensorboard和torch版本存在一定的不兼容性，如果报错请新建环境尝试。启动tensorboard的时候需要先在cmd中进入对应的环境，conda activate xxx，再用cd命令进入环境（如果本来就是正确的则无需操作）。2.tensorboard的代码还有有一定的记忆量，实际上深度学习的经典代码都是类似于八股文，看多了就习惯了，难度远远小于考研数学等需要思考的内容。

60天python训练营打卡day41

extan的博客

06-24

233

60天python训练营打卡day21

extan的博客

06-04

337

自由作业：探索下什么时候用到降维？或者让ai给你出题，群里的同学互相学习下。可以考虑对比下在某些特定数据集上t-sne的可视化和pca可视化的区别。还有一些其他的降维方式，也就是最重要的词向量的加工，我们未来再说。DAY 21 常见的降维算法。2.PCA主成分分析。

60天python训练营打卡day20

extan的博客

06-03

317

对于任何矩阵（如结构化数据可以变为：样本*特征的矩阵，图像数据天然就是矩阵），均可做等价的奇异值SVD分解，对于分解后的矩阵，可以选取保留前K个奇异值及其对应的奇异向量，重构原始矩阵，可以通过计算Frobenius 范数相对误差来衡量原始矩阵和重构矩阵的差异。应用：结构化数据中，将原来的m个特征降维成k个新的特征，新特征是原始特征的线性组合，捕捉了数据的主要方差信息，降维后的数据可以直接用于机器学习模型（如分类、回归），通常能提高计算效率并减少过拟合风险。c.降噪：通常噪声对应较小的奇异值。

60天python训练营打卡day50

extan的博客

07-03

356

2.尝试对vgg16+cbam进行微调策略。1.好好理解下resnet18的模型结构。DAY 50 预训练模型+CBAM模块。3.针对预训练模型的训练策略。2.CBAM放置位置的思考。1.resnet结构解析。

Python打卡训练营学习记录Day15

05-04

### 知识点概述 #### 1. Python语言基础 - Python作为一种高级编程语言，...- 了解打卡训练营的运作模式和学习理念。 - 实践有效的时间管理和学习计划制定。 - 学习资源的搜集与利用，包括网络资源、图书和社区支持。

Python训练营打卡Day45-注意力热图可视化

m0_60783025的博客

08-27

270

这个注意力热图是通过构子机制： register_forward_hook 捕获最后一个卷积层（conv3）的输出特征图。可视化部分同理，在训练完成后通过钩子函数取出权重or梯度，即可进行特征图的可视化、Grad-CAM可视化、注意力热图可视化。1. 通道权重计算：对特征图的每个通道进行全局平均池化，得到通道重要性权重。2. 热力图生成：将高权重通道的特征图缩放至原始图像尺寸，与原图叠加显示。①通道1可能关注整体轮廓，通道2关注纹理细节，通道3关注颜色分布。高关注区域（红色）：模型认为对分类最重要的区域。

SAM训练自己的数据集

最新发布

sunshineine的博客

12-22

481

本文介绍了SAM（Segment Anything Model）模型的训练流程。主要内容包括：1）数据集预处理，涵盖自定义数据集标注（使用labelme工具）、公开数据集准备以及数据格式转换；2）创建SAM项目，包含代码上传、服务器环境配置（Python 3.8、CUDA 11.8等）和依赖项安装；3）模型训练过程，详细说明了参数配置、损失函数选择（DiceCELoss）、训练循环实现以及结果可视化方法。文章提供了完整的技术实现路径，包括数据预处理、模型训练和结果评估等关键环节，并附有相关参考文章的详细链接

python __init__.py的意义与使用

CoolGirl

12-19

818

本文介绍了Python中利用__init__.py文件优化模块导入的两种方式。当__init__.py中已导入子模块时，外部可直接使用简洁导入语句（如from project.input import FileInput）；若未导入则需完整路径导入。通过示例对比展示了不良设计（需完整路径导入每个子模块）和良好设计（在__init__.py中集中导入并定义__all__），后者使主程序导入更简洁清晰。合理使用__init__.py能显著提升代码可读性和维护性。

MobaXterm 高效运维实战：从入门到进阶的 Linux 运维 “瑞士军刀” 用法

hy行者勇哥的博客

12-18

880

MobaXterm 作为 Linux 运维的 “全能工具包”，不仅集成了 SSH 终端、SFTP 文件传输、X11 图形转发等基础功能，更隐藏着批量执行、宏命令、会话分组等高级特性，能轻松解决新手常遇到的 “重复操作繁琐”“多服务器切换麻烦”“文件传输低效” 等痛点。本文用 “运维指挥中心” 的通俗比喻，拆解 MobaXterm 的核心架构，针对 Linux 运维中的高频问题，分享可直接上手的高级技巧与自动化脚本案例，帮助新手快速从 “手动跑腿” 升级为 “高效指挥”，大幅提升运维效率。

C++23中的模块应用说明之一基础分析

fpcc的专栏

12-20

600

C++20模块机制解析：摆脱头文件困境的新范式本文分析了C++20引入的模块机制，旨在解决传统头文件带来的编译污染、命名冲突等问题。模块通过export显式控制接口导出，提供更安全的代码组织方式。文章详细介绍了模块应用的五个方面：接口与实现分离、export规则限制、文件命名规范、全局模块片段（兼容传统头文件）和私有模块片段的使用方法，并提供了具体示例代码。与Go、Java等语言的包管理机制类似，C++模块通过显式接口导出和严格作用域控制，实现了更高效的编译管理和更清晰的代码组织。作者建议开发者参考其他语

ColoredElevationMap 根据标量进行颜色映射

BoBoZz19的博客

12-22

111

本文只是教程内容的一小段，因博客字数限制，故进行拆分。本段代码主要涉及的有①标量的颜色映射。

Python数据可视化速成指南

weixin_45292939的博客

12-22

242

极坐标：使用(角度, 半径)表示点plt.show()

Python实现的HOG+SVM训练及其优化

我们首先要明白标题"hog_svm_train_python"指的是一种结合了 Histogram of Oriented Gradients (HOG) 特征描述符和 Support Vector Machine (SVM) 的训练方法，并且这一切都是通过Python语言来实现的。HOG是一种广泛...