<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[jinger0509的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/jinger0509</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; jinger0509]]></copyright><item><title><![CDATA[leetcode力扣刷题Day1]]></title><link>https://blog.youkuaiyun.com/jinger0509/article/details/125210698</link><guid>https://blog.youkuaiyun.com/jinger0509/article/details/125210698</guid><author>jinger0509</author><pubDate>Thu, 09 Jun 2022 20:45:40 +0800</pubDate><description><![CDATA[无]]></description><category></category></item><item><title><![CDATA[sigmoid二分类]]></title><link>https://blog.youkuaiyun.com/jinger0509/article/details/122797988</link><guid>https://blog.youkuaiyun.com/jinger0509/article/details/122797988</guid><author>jinger0509</author><pubDate>Sun, 06 Feb 2022 14:25:59 +0800</pubDate><description><![CDATA[#导入包
import torch
import matplotlib.pyplot as plt
from torch import nn,optim
from time import perf_counter

#生成训练数据
cluster=torch.ones(500,2)
data0=torch.normal(4*cluster,2)
data1=torch.normal(-4*cluster,2)
label0=torch.zeros(500)
label1=torch.ones(500)
x.]]></description><category></category></item><item><title><![CDATA[从零开始实现线性回归模型（SDG，MSE），未使用深度学习框架]]></title><link>https://blog.youkuaiyun.com/jinger0509/article/details/122796570</link><guid>https://blog.youkuaiyun.com/jinger0509/article/details/122796570</guid><author>jinger0509</author><pubDate>Sun, 06 Feb 2022 11:28:23 +0800</pubDate><description><![CDATA[#导入包
%matplotlib inline
import random
import torch
from d2l import torch as d2l

#生成数据集
def synthetic_data(w, b, num_examples):  #@save
    """生成y=Xw+b+噪声"""
    X = torch.normal(0, 1, (num_examples, len(w)))
    y = torch.matmul(X, w) + b
    y += torch..]]></description><category></category></item><item><title><![CDATA[邱锡鹏nndl学习笔记2——logistic regression]]></title><link>https://blog.youkuaiyun.com/jinger0509/article/details/121044225</link><guid>https://blog.youkuaiyun.com/jinger0509/article/details/121044225</guid><author>jinger0509</author><pubDate>Fri, 29 Oct 2021 22:40:42 +0800</pubDate><description><![CDATA[def plotBestFit(weights):
    dataMat, labelMat = loadDataSet()                                    #加载数据集
    dataArr = np.array(dataMat)                                            #转换成numpy的array数组
    n = np.shape(dataMat)[0]                            .]]></description><category></category></item><item><title><![CDATA[邱锡鹏nndl学习记录]]></title><link>https://blog.youkuaiyun.com/jinger0509/article/details/120926518</link><guid>https://blog.youkuaiyun.com/jinger0509/article/details/120926518</guid><author>jinger0509</author><pubDate>Sat, 23 Oct 2021 21:22:42 +0800</pubDate><description><![CDATA[CH 1 Numpy_exercise


# 1.导入numpy库
import numpy as np
# 2.建立一个一维数组 a 初始化为[4,5,6], (1)输出a 的类型（type）(2)输出a的各维度的大小（shape）(3)输出 a的第一个元素（值为4）
a=np.array([4,5,6])
print(type(a))
print(np.shape(a))
print(a[1])
# 3.建立一个二维数组 b,初始化为 [ [4, 5, 6],[1, 2, 3]] (1)输出各维度..]]></description><category></category></item><item><title><![CDATA[21保研记录]]></title><link>https://blog.youkuaiyun.com/jinger0509/article/details/120213802</link><guid>https://blog.youkuaiyun.com/jinger0509/article/details/120213802</guid><author>jinger0509</author><pubDate>Fri, 10 Sep 2021 08:02:34 +0800</pubDate><description><![CDATA[21年自动化专业保研经验（自所，清深，北航）

自身情况

东北某211（控制A-）
rank 2   （前1%）
CET4:550       CET6:517
无论文，水竞赛，两次国奖，一堆保研中没啥用的荣誉称号。

夏令营情况

报名：
清华深研院  北大信工  清华智网中心  上交电院（直博） 浙大控制之旅夏令营   北航自动化   北航人工智能学院   北理自动化   中科院自动化所  华科人工智能学院   哈深   同济  东南
（报名的原则就是地域优先，加学科强势，个人看中学科排名）
未入营：]]></description><category></category></item></channel></rss>