- 博客(53)
- 问答 (2)
- 收藏
- 关注
RSS订阅原创 60天python训练营打卡day53
作业：对于心脏病数据集，对于病人这个不平衡的样本用GAN来学习并生成病人样本，观察不用GAN和用GAN的F1分数差异。3.nn.sequential容器：适合于按顺序运算的情况，简化前向传播写法。4.leakyReLU介绍：避免relu的神经元失活现象。1.对抗生成网络的思想：关注损失从何而来。DAY 53 对抗生成网络。
2025-07-06 16:00:19
201
原创 60天python训练营打卡day52
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。DAY 52 神经网络调参指南。c.各部分参数的调整心得。3.神经网络调参指南。
2025-07-05 23:53:05
274
原创 60天python训练营打卡day51
作业：day43的时候我们安排大家对自己找的数据集用简单cnn训练，现在可以尝试下借助这几天的知识来实现精度的进一步提高。DAY 51 复习日。
2025-07-04 14:32:55
359
原创 60天python训练营打卡day50
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。
2025-07-03 14:46:54
355
原创 60天python训练营打卡day49
作业：尝试对今天的模型检查参数数目，并用tensorboard查看训练过程。DAY 49 CBAM注意力。1.通道注意力模块复习。
2025-07-02 13:19:21
137
原创 60天python训练营打卡day48
2.卷积和池化的计算公式（可以不掌握，会自动计算的）3.pytorch的广播机制：加法和乘法的广播机制。ps：numpy运算也有类似的广播机制，基本一致。1.随机张量的生成：torch.randn函数。作业：自己多借助ai举几个例子帮助自己理解即可。DAY 48 随机函数与广播机制。
2025-07-01 13:59:31
174
原创 60天python训练营打卡day46
2.什么是注意力：注意力家族，类似于动物园，都是不同的模块，好不好试了才知道。1.不同CNN层的特征图：不同通道的特征图。DAY 46 通道注意力(SE注意力)3.通道注意力：模型的定义和插入的位置。4.通道注意力后的特征图和热力图。
2025-06-29 15:32:52
133
原创 60天python训练营打卡day45
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。
2025-06-28 14:52:42
166
原创 60天python训练营打卡day44
1.尝试在cifar10对比如下其他的预训练模型，观察差异，尽可能和他人选择的不同。2.尝试通过ctrl进入resnet的内部，观察残差究竟是什么。5.预训练代码实战：resnet18。这句话可以忽略，这是未来的内容。3.图像预训练模型的发展史。DAY 44 预训练模型。2.常见的分类预训练模型。
2025-06-27 10:14:34
127
原创 60天python训练营打卡day43
kaggle找到一个图像数据集，用cnn网络进行训练并且用grad-cam做可视化。进阶：并拆分成多个文件。DAY 43 复习日。
2025-06-26 11:55:41
143
原创 60天python训练营打卡day42
DAY 42 Grad-CAM与Hook函数。3.hook函数的模块钩子和张量钩子。4.Grad-CAM的示例。作业：理解下今天的代码即可。2.lambda函数。
2025-06-25 20:06:56
254
原创 60天python训练营打卡day41
这里相关的概念比较多，如果之前没有学习过复试班强化班中的计算机视觉部分，请自行上网检索视频了解下基础概念，也可以对照我提供的之前的讲义学习下。3.batch归一化：调整一个批次的分布，常用与图像数据。4.特征图：只有卷积操作输出的才叫特征图。5.调度器：直接修改基础学习率。2.卷积神经网络定义的写法。DAY 41 简单CNN。
2025-06-24 21:42:11
233
原创 60天python训练营打卡day40
作业：仔细学习下测试和训练代码的逻辑，这是基础，这个代码框架后续会一直沿用，后续的重点慢慢就是转向模型定义阶段了。3.dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭dropout。2.展平操作：除第一个维度batchsize外全部展平。1.彩色和灰度图片测试和训练的规范写法：封装在函数中。DAY 40 训练和测试的规范写法。
2025-06-23 10:03:45
196
原创 60天python训练营打卡day39
4.batchisize和训练的关系。1.图像数据的格式：灰度和彩色数据。DAY 39 图像数据与显存。3.显存占用的4种地方。a.模型参数+梯度参数。d.神经元输出中间状态。c.数据批量所占显存。
2025-06-22 15:09:38
139
原创 60天python训练营打卡day38
1.Dataset类的__getitem__和__len__方法（本质是python的特殊方法）DAY 38 Dataset和Dataloader类。作业：了解下cifar数据集，尝试获取其中一张图片。3.minist手写数据集的了解。2.Dataloader类。
2025-06-21 22:06:36
459
原创 60天python训练营打卡day37
作业：对信贷数据集训练后保存权重，加载权重后继续训练50轮，并采取早停策略。c.保存全部信息checkpoint，还包含训练状态。1.过拟合的判断：测试集和训练集同步打印指标。DAY 37 早停策略和模型权重的保存。2.模型的保存和加载。
2025-06-20 09:57:23
370
原创 60天python训练营打卡day36
●作业：对之前的信贷项目，利用神经网络训练下，尝试用到目前的知识点让代码更加规范和美观。●探索性作业（随意完成）：尝试进入nn.Module中，查看他的方法。仔细回顾一下神经网络到目前的内容，没跟上进度的同学补一下进度。DAY 36 复习日。
2025-06-19 09:53:34
219
原创 60天python训练营打卡day35
1.三种不同的模型可视化方法：推荐torchinfo打印summary+权重分布可视化。2.进度条功能：手动和自动写法，让打印结果更加美观。作业：调整模型定义时的超参数，对比下效果。DAY 35 模型可视化与推理。3.推理的写法：评估模式。
2025-06-18 10:20:09
430
原创 60天python训练营打卡day34
4.类的call方法：为什么定义前向传播时可以直接写作self.fc1(x)ps：在训练过程中可以在命令行输入nvida-smi查看显存占用情况。3.GPU训练的方法：数据和模型移动到GPU device上。1.CPU性能的查看：看架构代际、核心数、线程数。2.GPU性能的查看：看显存、看级别、看架构代际。DAY 34 GPU训练及类的call方法。
2025-06-17 09:45:00
178
原创 60天python训练营打卡day33
在新建网络的时候，我们选择了2层隐藏层和固定的神经元，这类似于我们在机器学习模型中指定一组超参数，神经网络的调参我们未来再提。作业：今日的代码，要做到能够手敲。这已经是最简单最基础的版本了。2.查看显卡信息的命令行命令（cmd中使用）a.数据预处理（归一化、转换成张量）DAY 33 MLP神经网络的训练。1.PyTorch和cuda的安装。i.继承nn.Module类。iii.定义前向传播流程。c.定义损失函数和优化器。4.简单神经网络的流程。e.可视化loss过程。
2025-06-16 10:21:13
341
原创 60天python训练营打卡day32
作业：参考pdpbox官方文档中的其他类，绘制相应的图，任选即可。2.官方文档的阅读和使用：要求安装的包和文档为同一个版本。1.官方文档的检索方式：github和官网。4.绘图的理解：对底层库的调用。DAY 32 官方文档的阅读。b.普通方法所需要的参数。a.实例化所需要的参数。c.普通方法的返回值。
2025-06-16 10:20:28
216
原创 60天python训练营打卡day31
作业：尝试针对之前的心脏病项目ipynb，将他按照今天的示例项目整理成规范的形式，思考下哪些部分可以未来复用。2.项目文件夹中其他部分：拆分后的信贷项目，学习下如何拆分的，未来你看到的很多大项目都是类似的拆分方法。1.notebook文件夹内的ipynb文件，介绍下今天的思路。DAY 31 文件的规范拆分和写法。今日的示例代码包含2个部分。3.机器学习项目的拆分。4.编码格式和类型注解。2.规范的文件夹管理。
2025-06-16 10:19:39
219
原创 60天python训练营打卡day30
3.导入库/模块的核心逻辑：找到根目录（python解释器的目录和终端的目录不一致）作业：自己新建几个不同路径文件尝试下如何导入。DAY 30 模块和库的导入。2.导入自定义库/模块的方式。1.导入官方库的三种手段。
2025-06-13 23:31:18
156
原创 60天python训练营打卡day29
作业：复习类和函数的知识点，写下自己过去29天的学习心得，如对函数和类的理解，对python这门工具的理解等，未来再过几个专题部分我们即将开启深度学习部分。2.装饰器思想的进一步理解：外部修改、动态。3.类方法的定义：内部定义和外部定义。DAY 29 复习日：类的装饰器。
2025-06-13 23:30:17
170
原创 60天python训练营打卡day28
print(f"周长：{circle.calculate_circumference()}") # 输出：周长：31.42（保留两位小数）print(f"面积：{circle.calculate_area()}”) # 输出：面积：78.54（保留两位小数）print(f"长：{rect.length}, 宽：{rect.width}“) # 输出：长：4, 宽：6。print(f"是否为正方形：{rect.is_square()}”) # 输出：是否为正方形：False。
2025-06-11 21:28:20
975
原创 60天python训练营打卡day27
编写一个装饰器 logger，在函数执行前后打印日志信息（如函数名、参数、返回值）本期内容如果无法理解，可以参考如下视频教学。ps：第一期day27对应5月16日。DAY 27 函数专题2：装饰器。1.装饰器的思想：进一步复用。3.注意内部函数的返回值。2.函数的装饰器写法。
2025-06-11 10:30:38
332
原创 60天python训练营打卡day26
●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。
2025-06-09 21:57:13
917
原创 60天python训练营打卡day
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。
2025-06-08 22:37:28
170
原创 60天python训练营打卡day23
整理下全部逻辑的先后顺序，看看能不能制作出适合所有机器学习的通用pipeline。3.ColumnTransformer和Pipeline类。DAY 23 pipeline管道。1.转化器和估计器的概念。
2025-06-06 16:45:31
149
原创 60天python训练营打卡day21
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。
2025-06-04 09:39:36
336
原创 60天python训练营打卡day20
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。
2025-06-03 09:25:27
317
原创 60天python训练营打卡day18
1.推断簇含义的2个思路：先选特征和后选特征。3.科研逻辑闭环:通过精度判断特征工程价值。2.通过可视化图形借助ai定义簇的含义。DAY 18 推断聚类后簇的类型。聚类后的分析：推断簇的类型。
2025-06-01 23:49:33
128
原创 60天python训练营打卡day17
实际在论文中聚类的策略不一定是针对所有特征，可以针对其中几个可以解释的特征进行聚类，得到聚类后的类别，这样后续进行解释也更加符合逻辑。DBSCAN 的参数是 eps 和min_samples，选完他们出现k和评估指标。2.聚类常见算法：kmeans聚类、dbscan聚类、层次聚类。KMeans 和层次聚类的参数是K值，选完k指标就确定。以及层次聚类的 linkage准则等都需要仔细调优。2.选择合适的算法，根据评估指标调参（ ）3.将聚类后的特征添加到原数据中。3.三种算法对应的流程。
2025-05-31 20:02:06
203
原创 60天python训练营打卡day16
因为前天说了shap，这里涉及到数据形状尺寸问题，所以需要在这一节说清楚，后续的神经网络我们将要和他天天打交道。1.numpy数组的创建：简单创建、随机创建、遍历、运算。2.numpy数组的索引：一维、二维、三维。DAY 16 数组的常见操作和形状。3.SHAP值的深入理解。
2025-05-30 22:09:02
172
原创 60天python训练营打卡day15
尝试找到一个kaggle或者其他地方的结构化数据集，用之前的内容完成一个全新的项目，这样你也是独立完成了一个专属于自己的项目。1.有数据地址的提供数据地址，没有地址的上传网盘贴出地址即可。仔细回顾一下之前14天的内容，没跟上进度的同学补一下进度。2.尽可能与他人不同，优先选择本专业相关数据集。3.探索一下开源数据的网站有哪些？
2025-05-29 23:16:13
163
原创 60天python训练营打卡day14
2.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？3.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。1.参考上述文档补全剩余的几个图。DAY 14 SHAP图的绘制。今日作业偏思考类型，有一定难度。
2025-05-28 23:55:25
201
空空如也
请问代码哪里错误了？可以编译但得不出正确答案
2020-04-07
请问出现这个是什么意思
2020-03-31
TA创建的收藏夹 TA关注的收藏夹
TA关注的人