- 博客(53)
- 收藏
- 关注
RSS订阅原创 经典视觉神经网络1 CNN
输入的图像都很大，使用的话，计算的代价较高，图像也很难保留原本特征。）是一种专门用于处理具有网格状结构数据的深度学习模型。主要应用于计算机视觉任务，但它的成功启发了在其他领域应用，如等。；卷积层负责提取图像中的局部特征；池化层用来大幅降低运算量并特征增强；全连接层类似神经网络的部分，用来输出想要的结果。
2024-12-05 20:01:32
1016
原创 深度学习7 梯度下降优化、过拟合、手机价格预测
w 表示权重，lr表示学习率，grad表示梯度传统下降方式分三类：（BGD）批量梯度下降、（MBGD）小批量梯度下降、（SGD）随机梯度下降。第九点 线性回归的第5点。
2024-12-02 20:13:05
960
原创 深度学习3 自动微分（梯度计算、控制、清零、叶子节点）
模块负责自动计算张量操作的梯度，具有自动求导功能；autograd 创建一个动态计算图来跟踪张量的操作，每个张量是计算图中的一个节点，节点之间的操作构成图的边。属性决定是否对张量进行梯度计算，默认不进行。方法进行反向传播，计算张量梯度。tensor.返回梯度值。
2024-11-22 20:23:40
515
原创 深度学习2 元素值、索引、形状、广播
tensor.item() 返回tensor的元素；只能在一个元素值使用，多个报错，当存在多个元素值时需要使用索引进行获取到一个元素值时在使用 item。
2024-11-22 19:24:10
1083
原创 深度学习1 库安装、数据基础与转化
cuda 有最好，没有无需额外安装；cpu无需其他操作，直接进入下面步骤查看 nvidia 驱动版本：cmd里面，输入。
2024-11-22 16:48:48
1188
原创 机器学习4 线性回归、逻辑回归
假设存在多个点，需要使用一条线来保障尽量拟合这些点，寻找这条线就叫回归。机器学习中一种的算法,主要关注的是(需要预测的值)和一个或多个数值型的(预测变量)之间的关系。
2024-11-18 19:36:10
526
原创 机器学习3 贝叶斯、决策树、随机森林
𝑃(𝐴|𝐵)=𝑃(𝐴) * 𝑃(B|A)/𝑃(𝐵)：A事件在B事件发生情况下的概率为A事件概率乘以B事件在A事件发生情况下概率除以B事件发生的概率，也就是前提的互换。𝑃(𝐵)=𝑃(𝐵|𝐴)𝑃(𝐴)+𝑃(𝐵|𝐴′)𝑃(𝐴′)：事件B的概率为B在A发生的情况下概率以及B在非A发生情况下的概率之和。𝑃(𝐴|𝐵)=𝑃(𝐴∩𝐵)/𝑃(𝐵) ：A事件在B事件发生的情况下发生的概率为 交集发生的概率除以B事件发生的概率。的假设，再去使用 𝑃(𝐴|𝐵)=𝑃(𝐴) * 𝑃(B|A)/𝑃(𝐵)。信息增益越大，越有决策价值。
2024-11-18 19:04:17
1071
原创 机器学习1 基础数据集、划分、特征工程
学习分类：监督学习、半监督学习、无监督学习、强化学习监督学习：从有标签的训练数据中学习模型，然后对某个给定的新数据利用模型预测它的标签。半监督学习：利用少量标注数据和大量无标注数据进行学习的模式无监督学习：从未标注数据中寻找隐含结构的过程强化学习：未使用样本数据进行训练，是是通过不断试错进行学习的模式。
2024-11-12 20:21:26
1115
原创 python opencv4 人脸识别
使用 HOG 特征或 CNN（卷积神经网络）进行人脸检测，提取人脸的特征向量（128维），并用于比较不同人脸之间的相似度。
2024-11-05 19:17:46
1693
原创 python opencv3 图像预处理2 滤波、边缘检测、形态学操作
为图像滤波通过滤波器得到另一个图像。也就是加深图像之间的间隙，增强视觉效果；也可以模糊化间隙，造成图像的噪点被抹平。
2024-11-04 20:05:06
1032
原创 python opencv2 图像预处理：翻转、仿射变换、色彩空间变换、轮廓检测、文字识别
0：沿 X 轴翻转（垂直翻转）；1：沿 Y 轴翻转（水平翻转），-1：沿 X 轴和 Y 轴翻转（同时水平和垂直翻转）。
2024-11-01 19:36:18
1240
原创 python opencv1 基础操作：显示、绘制、裁剪、鼠标、视频
OpenCV的全称是Open Source Computer Vision Library,是一个开放源代码的计算机视觉库。安装：pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple。
2024-10-31 20:27:32
855
原创 python 数据结构 2
子节点的度最高为2（全部都为2或存在0 称为完全二叉树（除最后一层外，其余都满度），完全二叉树的叶子节点都在同一层次，那么称为完全二叉树（最后一层的度都0，其他都满度））二叉树 完全二叉树 满二叉树一个二叉树第 i 层的最大结点数为：, i >= 1深度为k的二叉树有最大结点总数为：, k >= 1。
2024-10-29 19:43:05
819
原创 python 数据结构 1
线性表 ， 后进先出原则的数据结构；存在栈顶和栈底，元素的取出和添加被称为出栈和入栈。（以下代码使用列表形式展现）(element): 添加一个新元素到栈顶位置；判断是否栈已经达到最大空间，满了不可以添加。()：移除栈顶的元素，同时返回被移除的元素；判断是否栈为空。()：返回栈顶的元素，不对栈做任何修改。()：判断是否为空。()：移除栈里的所有元素。()：返回栈里的元素个数。这个方法和数组的length属性很类似。# 初始化，创建一个空列表 模拟栈。
2024-10-28 19:43:09
1042
原创 python pandas 3 时间、null、读取csv、绘图
格式：date_range(start=None, end=None, periods=None, freq=None, tz=None, normalize=False, name=None, closed=None, **kwargs)df['B'].plot(kind='pie', autopct='%1.1f%%') # 绘制饼图。df.plot(kind='scatter', x='A', y='B') # 绘制散点图。"company": ['百度', '阿里', '腾讯', '华为'],
2024-10-28 19:15:52
767
原创 python pandas 2 重置索引、遍历、排序、分组、合并
格式：DataFrame.reindex(labels=None, index=None, columns=None, axis=None, method=None, copy=True, level=None, fill_value=np.nan, limit=None, tolerance=None)：新的标签 +=0/index(1/columns) 更新行标签（列标签）新的行索引新的列索引标签向前面列或者行获取值填充；向后填充。：参数为标量，使用该值填充缺省值。
2024-10-25 20:17:40
788
原创 python matplotlib
格式：ax.scatter(x, y, s=None, color=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, **kwargs)：x: X 轴数据；'o': 圆圈 's': 正方形 'D': 菱形 '^': 上三角形 'v': 下三角形 '>': 右三角形。
2024-10-23 20:20:32
601
原创 python numpy2 迭代、数组操作、增删改查、统计函数
nditer； multi_index ：在返回元素的基础上返回每个元素索引 external_loop ：遍历数组（配合 order 使用） reshape ：根据元素个数排列 flat ：将数组转化为一维数组迭代器 flatten ：将多为数组转化为一维数组，复制数组元素，修改不影响原函数（参数为order） ravel ：将多为数组转化为一维数组，返回的一维数组更改会影响原数组 ndarray.trans
2024-10-22 20:24:55
1049
原创 python 函数式编程
a = func01：变量a现在指向func01函数对象；a不是函数的返回值，而是函数对象本身。在函数执行内体添加另一个函数的执行方法（ fun01()），也就是在这个函数执行时候带着执行另一个函数（在调用多个函数下，使用函数参数传递函数名称实现）例如：函数3调用函数1和函数2的两种方式print("func01执行")print("func02执行")func01()func02()print("func03执行")func03()print("func01执行")
2024-10-20 22:33:31
939
原创 python 集合 （set）
s = {1, 2, 3, 4} 或 s = set("ABC") 等形式创建字典（字典没值得写None，系统创建默认为None）；不能 set(1,2,3)。
2024-10-19 14:07:45
578
原创 python 字典（dict）
用 {} 或者 dict(a=1,b=2) 形式创建 dict01 = dict(a=1,b=2) or dict01 = {'a':1,'b':2} (字母加上引号是表示字符串，而不是变量)值部分可以是任何数据类型（列表、元组等皆可）
2024-10-18 20:16:51
347
原创 python 元组 （tuple）
使用tuple()或直接括号括起来、用逗号隔开内容（多个元组不能放在同一行，否则认为多个变量对多个变量，两边数量不等报错）就能创建元组，需要注意的是括号容易判断为算法里面的优先级。
2024-10-18 18:52:47
363
原创 python 类和对象
格式：class name() 、class nameclass 作为关键字，后面跟上 类的名称 ，继承时使用括号，否则省略。
2024-10-17 23:15:31
551
原创 线性代数 矩阵2（方阵）
每个元素的代数余子式值放入原本元素位置，得到新的矩阵进行转置，最后矩阵为原本矩阵的伴随矩阵（A的伴随矩阵记作A*）。例如：解：依次求出元素代数余子式：*(2-1)= 1,*(4-1)= 3,*(1-1)= 0,*(3-1)= 2,放入原本元素位置后转置就是方式，所以：注意：代数余子式是取消行列式该元素所在行列，剩下的元素组成的低一阶行列式。行列式的值等于某行或某列所有元素 乘以 该元素的代数余子式 的结果累加。
2024-10-14 16:23:51
2440
原创 线性代数 矩阵
一组数按照矩形排列而成的数表；形似行列式，区别点是若A、B两个矩阵都是m×n 矩阵，那么A 和 B 就是同型矩阵。A 和 B 的维度相同都是 m×n矩阵且 所有 i 和 j，都有 aij=bij ，那么两个矩阵相等。n×n 的方阵 A（行列式）。主对角线上的元素都是 1， 其余元素都是 0 的方阵，记作 I 或 E。主对角线上的元素都是 任意数， 其余元素都是 0 的方阵。主对角线及其上方的元素可以是任意值，主对角线下方的元素都是 0 的方阵。
2024-10-12 20:26:07
1718
2原创 概率 期望与方差
衡量随机变量或一组数据的离散程度，反映了数据点与其平均值之间的偏离程度（方差越大，数据点越分散；方差越小，数据点越集中）。DX=E[]=E()-方差 DX ，平均差 二次根号DX对于两个随机变量 X 和 Y ，协方差定义为 Cov(X,Y)=E[(X−EX)(Y−EY)] =E(XY)−EXEY。
2024-10-12 17:39:18
4971
原创 概率 多维随机变量与分布
已知另一个随机变量或事件的条件下，该随机变量的概率分布：F(x|A)=P(Xx | A)例如：概率密度函数如图，求在X>1的条件下f(x)的条件分布函数解：F(x | X>1) = P(Xx|X>1)=P(X求分子：P(1Xx) =1/dx = 1/- 1/4求分母：P(X>1) =1/= 1/= 1//2 - 1//4 = 1/4则整个结果为 （arctan(x)/-1。
2024-10-12 14:30:20
1604
原创 概率 随机变量以及分布
描述随机变量取值分布情况的函数，无论是离散型随机变量还是连续型随机变量，都可以通过分布函数来描述其概率特性。分布函数通常指的是累积分布函数（Cumulative Distribution Function, CDF），用 F(x) 表示。
2024-10-11 19:12:14
2603
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人