fencecat的博客

使用transfroms方法过程报错：RuntimeError: The size of tensor a (4) must match the size of tensor b (3) at non-singleton dimension 0

神经网络是一个特殊的模型，当你输入数据和标签时，它从中推导出规则，所以它像一个函数，你输入数据和标签从而获得规则，但该函数并未考虑输入序列直接的联系。循环神经网络RNN的结构，其中x为输入，y为输出，同时还有一个来自上一个函数的输出量，输入到当前函数。

基于LSTM算法的股票预测，长短期记忆网络(LSTM)是一种循环神经网络(RNN)，可学习时间步长序列和数据之间的长期依赖关系，与CNN不同，LSTM可以记住预测之间的网络状态。LSTM适用于序列和时序数据分类，此时必须基于记忆的数据点序列进行网络预测或输出。...

股票市场具有高收益与高风险并存的特性，预测股市走势一直被普通股民和投资机构所关注。股票市场是一个很复杂的动态系统，受多方面因素的影响。本案例获取了2018年沪市A股的6000多条数据进行建模分析，股票数据中，包括股市开盘价、最高价、最低价、收盘价以及成交量等股票历史数据，其中开盘价（open）、最高价（high）和最低价（low）是股民最为关注的3大属性，最后一列label表示窗口内股票的走势，上升编码为1下降编码为0。基本思想是从时间序列角度用过去的数据预测未来的走势。

LeNet5手写识别关于LeNet5结构，前面已经专门写过一篇文章做了详细分析，如果有小伙伴不太清楚具体结构或想要加深一下对LeNet5结构的理解，可参见https://blog.youkuaiyun.com/fencecat/article/details/123529738这里就不再赘述了，直接上代码！！！在这里插入代码片...

神经网络训练实战石头剪刀布手势识别：加载数据，数据切分，数据预处理，构建网络，训练，测试，优化网络参数，投入使用

本文主要介绍一些经典CNN结构，从VGG，GoogleNet，ResNet, Densenet的结果中探索卷积2022年4月8日 23:03:52网络的发展趋势

2012年ImageNet 分类大赛冠军得主ALexNet结构大解析

卷积神经网络实战：Fashion Mnist 图像分类与人马分类一、FashionMnist的卷积神经网络模型1.卷积VS全连接2.卷积网络结构3.卷积模型结构1）Output Shape：2）Param：3.卷积每层的作用1）每层都做了什么4.网络看到的图像是什么样的？1）第一个卷积层的图像2）第一个池化层的图像3）第1个过滤器的卷积图像二、卷积神经网络人马分类实战1.准备训练数据1）wget命令2）尝试其他方法下载3）解压数据4）数据预处理之ImageDataGenerator2.构建并训练模型1）模型

Tensorflow神经元网络模型之Fashion Mnist数据集，模型训练次数并非越多越好，当训练次数过多可能插线过拟合，我们可以设置一定的条件来时模型自动终止以避免过拟合现象的发生。

卷积神经网络起源于上世纪九十年代Yann LeCun提出的Lenet5，卷积神经网络可用于目标检测、交通流量检测，还可用于人口密度测算，在医学上面，卷积神经网络可用于辅助诊断，在图像的语义分析方面卷积也是一个重要的算法，需要我们把图像中不同的物体用不同的颜色区分出来，是基于像素级的分析。

一、anaconda和Tensorflow是干啥的？Anaconda是Python的一个发行版，里面内置了很多工具，因为做了优化免去了单独安装各个工具带来的不必要的麻烦。它是Python语言的免费增值开源发行版，可用于大规模数据处理、预测分析和科学计算，可以对python环境进行部署和管理。Tensorflow是一个基于数据流编程的符号系统，被广泛应用于各类机器学习算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。

机器需要像小孩一样先多看多接触这个世界之后，才能有一定的智能去理解这个世界。卷积神经网络就是通过喂大量带标注的图片数据集给机器进行学习，就好像大人带着小孩认识这个世界一样让机器拥有学习能力，这就是Deep Learning

使用单连接层的手写数字识别模型效果展示！如果模型使用双全连接层+激活函数，效果会更好！

一、准备工作1.安装tqdmTqdm是一个快速，可扩展的Python进度条，可以在 Python 长循环中添加一个进度提示信息，用户只需要封装任意的迭代器 tqdm(iterator)。可以在命令行使用pip命令安装，也可以在pycharm中安装，按图中步骤，点一下cuda库，然后在搜索框 搜索tqdm直接点击install即可。安装好之后测试一下：import timefrom tqdm import tqdm#导入tqdma = 10b = range(a)#从0到.

一、MNIST数据集1.MNIST数据集简介MNIST数据集是一个公开的数据集，相当于深度学习的hello world，用来检验一个模型/库/框架是否有效的一个评价指标。MNIST数据集是由0〜9手写数字图片和数字标签所组成的，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。MNIST 数据集来自美国国家标准与技术研究所，整个训练集由250个不同人的手写数字组成，其中50%来自美国高中学生，50%来自人口普查的工作人员。

tensor数据类型是整个pytorch的基础，有点像numpy中的array，本文为pytorch的基础示例，零基础小白必备

TORCH.TENSORAtorch.Tensoris a multi-dimensional matrix containing elements of a single data type.张量是一个包含单一数据类型元素的多维矩阵。Torch定义了10种带有CPU和GPU变体的张量类型，如下所示:Data type dtype CPU tensor GPU tensor 32-bit floating point torch.flo..