自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

原创 L1正规化和L2正规化的简单理解

L1正规化就是通过绝对值来实现,而L2正规化就是通过平方来实现,从几何上看会更清楚。我们普通的误差L1,为了防止过拟合,会在后面加一个参数,那加什么参数呢?

2025-03-26 20:05:26 189

原创 Dataset和Dataloader的复习,梯度下降的复习

Adam-w:增加了权重衰减(decay),每次更新参数后再减去一个很小的值,防止参数过大,提高泛化性。每个dataset都有固定这三个方法,分别作为初始化数据,取数据和求长度。Adam:结合了动量和RMSProp。

2025-03-23 23:29:32 111

原创 机器学习归一化和标准化

假设我有一组数据x,如图片蓝色所示,我对其除2,得到紫色的数据,从图中我们能看到,图像的范围变小了,假如我们设定一个特定的规则去缩放他,那么就可以引入下面的概念——标准化。最小最大标准化的目的就是把数据放在0-1的范围里。也就是我们的归一化。放大上图可以发现,数据都分布在0和1之间,写篇文章记录下归一化和标准化的学习:来源。归一化和标准化的目的:加速模型的收敛。这个就是我们的标准化,

2025-03-22 23:16:20 179

原创 李哥深度学习笔记05-自注意力机制

那对于那些不肖子孙,我们可以采用LSTM方法,对其进行上锁,不让你进入模型,对于上图的例子,我们就可以在我和赛罕塔拉中间所有的内容都进行上锁。这里会体现出一个问题:即若一段话你需要的词距离太远,那每个字都需要传家宝的话,极容易出现不肖子孙(即记忆单元里面存储了错误的信息)去改变模型的输入 ,这样模型的输出也会改变,每次模型输入一个字的时候,会一起输入由上一个字传下来的。b1是由a1--a4由他们和各自的注意力相乘和相加得到的,b2,b3同理。自注意力机制是一个特征转换器,我们假设每个字都是768维的向量。

2025-03-19 17:09:39 129

原创 李哥深度学习笔记04-无监督学习

无监督训练,GAN,生成式自监督

2025-03-19 15:32:19 205

原创 李哥深度学习笔记03-分类问题02-半监督学习

半监督学习要定好整个框架:

2025-03-19 15:16:55 112

原创 李哥深度学习笔记03-分类问题01-监督学习

有十一类每一类有280张照片的带标签的图片,即有X和Y的 下面同理,无标签就是没有Y的数据。通过预测,这个文件夹下的照片到底是哪一个类别的。

2025-03-16 15:57:53 170

原创 Python类,self的作用,实例,生成器

eg:JM=橘猫() #这个就是实例化,实例化了一个JM,格式为:实力 = 类名称(初始化的参数.....)狗 猫。抽象 到 实例 ,在代码里面称为实例化。阿拉斯加 柯基 橘猫 蓝猫。本文是复习所学的self,先从类开始回忆。class 类的名称(继承自的类名称)eg: class 橘猫(猫)至此理解了self到底是什么了。class 猫(动物)

2025-03-15 00:07:39 149

原创 李哥深度学习笔记03-安装cv2和timm

1.首先进入输入activate (环境名) 进入你的环境,注意:我这里是li_3_8,你自己环境名是什么要清楚,别安装错了2.输入显示下图,安装成功3.验证:在界面输出pip list,找到opencv-python 即代表安装成功。pip list。

2025-03-11 22:54:28 438

原创 李哥深度学习笔记02-新冠病毒感染人数预测

其中在这里有对super的思考:#super()显式调用父类初始化方法 → 父子类属性均存在时,调用同一个方法会自动先去调用子类,当你想调用父类的时候,就用super简而言之,super()不是用来“继承”属性和方法的,而是用来调用父类逻辑,确保子类能正确使用已继承的属性和方法。#super()的理解:在黑马https://www.bilibili.com/video/BV1qW4y1a7fU?若以后要优化这个模型,可以按下面的思路去操作。

2025-03-10 00:59:54 266

原创 李哥深度学习笔记01-实现线性回归的理解

w_0 = torch.normal(0, 0.01, true_w.shape, requires_grad=True) #这个w需要计算梯度,requires_grad=True:标记该参数需要计算梯度,后续可通过反向传播更新。pred_y = fun(batch_x,w_0, b_0) # 计算预测值,即前向传播,用当前参数 w_0 和 b_0 计算预测值。X, Y = create_data(true_w, true_b, num) #X为500*4的矩阵,Y为500*1的一维向量。

2025-03-08 23:07:10 715

原创 对于梯度下降算法的思考

梯度下降算法

2025-03-08 22:12:47 221

原创 深度学习入门-鱼书P70安装MNIST数据集傻瓜式教程

6.要注意,你要把【源代码】深度学习入门:基于Python的理论与实现_20240716这个文件夹直接当作pycharm的项目打开,类似于这样。考研复试无项目,紧急学习鱼书,卡在P70无法动手,代码是看不懂的,步骤执行不下去,琢磨了两小时, 终于安装成功,现一步一步教大家。3.先打开“【源代码】深度学习入门:基于Python的理论与实现_20240716” 下面的dataset文件夹,1.先从网盘下载这些文件(不用去官网下了,不然数据集一直下不动,我网盘里面是已经下载好的了)2.下载后解压这两个文件即可。

2025-03-04 17:02:58 211

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除