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

预览 取消 提交

自定义博客皮肤

-+
上一步保存

m0_57190127的博客

  • 博客(53)
  • 收藏
  • 关注
排序：
按最后发布时间
按访问量
RSS订阅

原创 1.2 requests获取网络文件

爬虫

2025-03-07 21:49:25 769

原创 1.1 request基本使用

爬虫

2025-03-07 21:48:19 393

原创 31. 完整的已训练模型的使用

2024-09-16 16:09:05 382 1

原创 30. 使用GPU进行模型的训练(二) to()方法

2024-09-16 16:08:35 319

原创 29. 使用GPU进行模型的训练(一) cuda()方法

2024-09-16 16:08:04 518

原创 28. 完整的训练套路(四)完整代码

2024-09-16 16:07:31 250

原创 27. 完整的训练套路(三) train()、eval()

2024-09-16 16:07:00 472

原创 26. 完整的训练套路(二)TensorBoard、模型保存

2024-09-16 16:06:15 1223

原创 25. 完整的训练套路(一)数据准备、模型搭建、模型训练

2024-09-16 16:05:44 794

原创 24. 模型的保存和加载

2024-09-16 16:05:11 296

原创 23. 已有模型的修改

2024-09-16 16:04:40 787

原创 22. nn模块+优化器模块的官方文档

2024-09-16 16:04:01 346

原创 21. 反向传播、优化器、模型的训练

2024-09-16 16:03:04 703

原创 20. 损失函数

2024-09-16 16:02:33 380

原创 19. 网络结构搭建实例

2024-09-16 16:02:00 1136

原创 18. 线性层 -- 全连接层

2024-09-16 16:01:20 876

原创 17. 非线性激活函数

2024-09-15 22:43:45 856

原创 16. 池化层的基本使用 -- nn.MaxPool2d

2024-09-15 22:42:58 999

原创 15. 数据维度转换 -- torch.reshape

2024-09-15 22:42:26 1027

原创 11. torchvision中的数据集使用

2024-09-15 22:42:02 803

原创 14. 卷积核的基本使用 -- nn.Conv2d

2024-09-15 22:38:14 1071

原创 13. 神经网络基本骨架--nn.Module

2024-09-15 22:37:33 857

原创 12. DataLoader的基本使用

2024-09-15 22:37:03 1024

原创 10. Transforms的使用(五)--方法汇总

2024-09-15 22:36:26 480

原创 9. Transforms的使用(四)--Compose

2024-09-15 22:35:02 386

原创 8. Transforms的使用(三)-- Resize

2024-09-15 22:33:57 609

原创 7. Transforms的使用(二)--Normalize

2024-09-15 22:33:25 764

原创 6. Transforms的使用(一)--ToTensor()

2024-09-15 22:32:37 270

原创 5.TensorBoard的使用(二)--add_image()

2024-09-15 22:31:59 515

原创 4.TensorBoard的使用(一)--add_scalar()

2024-09-15 22:29:11 445

原创 3.Dataset类实战

2024-09-15 22:28:04 288

原创 SMOTER解决回归类别不均衡问题

2.选择合适的bins作为样例观察核密度估计得到的概率密度函数的表现情况。核密度估计使用核函数曲线表示每一个数据点，然后进行函数相加得到最后的概率密度函数。需要明白的是：gene是训练的样本，计算一个样例g的K近邻，是指gene中离g最近的k个邻居。带宽表示当前数据点对应的核函数的宽度是多少**：以当前数据为中心，向左右各分出。对于分类问题，标签直接是少数类样本的类别即可，而回归问题则不存在样本类别的概念，可以使用。基于K近邻距离的加权求和公式如下：计算每一个邻居与生成的样本特征之间的距离。

2024-07-27 16:32:47 556

原创 13. 锁和共享内存

2024-07-27 16:16:25 370

原创 12. 多进程

2024-07-27 16:16:01 334

原创 11. 多线程

2024-07-27 16:14:30 287

原创 9. Python的魔法函数

2024-07-13 21:33:42 463

原创 2. pytorch环境安装

​

2024-06-04 22:53:33 565

原创 1.显卡驱动安装

​

2024-06-04 22:52:58 733

原创 8. 正则表达式

2024-06-04 22:50:49 892

原创 7. 文件及目录操作

2024-06-04 22:50:11 485

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