- 博客(8)
- 收藏
- 关注
RSS订阅原创 LeNet模型对CIFAR-10数据集进行图像分类
定义了CIFAR-10数据集中包含的10个类别。return x定义了一个简单的卷积神经网络，包含两个卷积层和三个全连接层。这段代码实现了一个完整的图像分类流程，包括数据加载、模型定义、训练、测试和评估，使用CIFAR-10数据集进行物体分类。return xnet=Net()print('模型已保存为 cifar10_net.pth')correct=0total = 0。
2024-12-25 23:35:08
262
原创 卷积神经网络（CNN）的训练和测试，用于手写数字识别（MNIST数据集）
这段代码实现了一个卷积神经网络（CNN）的训练和测试，主要用于手写数字识别（MNIST数据集）。进行模型训练，遍历训练数据集，计算损失，进行反向传播并更新模型参数。这部分代码导入了PyTorch的基本模块，包括神经网络模块、优化器、数据加载器和数据集处理模块。总之，这段代码实现了一个完整的深度学习流程，包括数据加载、模型定义、训练、保存和评估。创建CNN模型实例，并检查是否有可用的GPU，如果有，则将模型转移到GPU上。在测试集上评估模型的性能，计算损失和准确率，并打印结果。方法定义了数据的前向传播过程。
2024-12-24 16:47:26
156
原创 Sobel算子对图像进行边缘检测
这段代码的功能是使用Sobel算子对一幅图像进行边缘检测。代码首先加载一幅灰度图像，然后通过定义的卷积层应用Sobel算子，最后展示处理后的图像。总结：这段代码通过加载一幅灰度图像，定义Sobel算子卷积层并应用于图像，从而实现边缘检测并展示结果。
2024-12-24 12:49:27
275
原创 MNIST手写数字数据集分类
这段代码实现了一个基于PyTorch的深度学习模型，主要用于对MNIST手写数字数据集进行分类。代码包含了模型的定义、数据加载、训练过程以及模型评估。
2024-12-24 10:52:38
432
原创 简单的逻辑回归模型
这段代码实现了一个简单的逻辑回归模型，用于二分类任务。代码生成了一些模拟数据，然后使用逻辑回归模型进行训练，并最终绘制出分类结果和决策边界。总之，这段代码实现了一个逻辑回归模型，从数据生成到训练再到可视化结果的完整流程。
2024-12-23 20:42:57
295
原创 多元线性回归
具体来说，它通过生成随机输入数据，计算目标输出，使用平滑L1损失函数来训练一个线性模型，直到损失小于设定的阈值（1e-3）。最后，它打印出训练后的模型参数和实际目标函数的比较。每次迭代中，生成一个批量数据，计算损失，进行反向传播，并根据梯度更新模型参数。总结来说，这段代码实现了一个简单的多项式回归模型，通过随机生成数据并迭代训练，最终学习到一个接近目标多项式的模型。最后，打印训练后的损失值、学习到的函数和实际的目标函数。的1次到3次幂的特征矩阵。的大小相同，输出特征为1。的值，返回目标输出。
2024-12-23 18:54:23
316
原创 一元线性回归
这段代码实现了一个简单的线性回归模型，用于拟合给定的训练数据并进行预测。这段代码导入了必要的库，包括PyTorch（用于深度学习）、NumPy（用于数值计算）和Matplotlib（用于绘图）。在每个训练轮次中，将输入和目标数据转换为PyTorch的变量，清零梯度，进行前向传播，计算损失，反向传播并更新参数。设置输入和输出的大小（都为1），训练的轮数（1000轮），以及学习率（0.001）。在初始化方法中定义了一个线性层。总之，这段代码通过构建和训练线性回归模型，拟合给定的训练数据，并将预测结果可视化。
2024-12-23 17:14:18
250
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