- 博客(22)
- 收藏
- 关注
RSS订阅原创 深度学习2
AdaGrad（Adaptive Gradient Algorithm）为每个参数引入独立的学习率，它根据历史梯度的平方和来调整这些学习率，这样就使得参数具有较大的历史梯度的学习率减小，而参数具有较小的历史梯度的学习率保持较大，从而实现更有效的学习。Softmax 直白来说就是将网络输出的 logits 通过 softmax 函数，就映射成为(0,1)的值，而这些值的累和为1（满足概率的性质），那么我们将它理解成概率，选取概率最大（也就是值对应最大的）节点，作为我们的预测目标类别。
2024-11-29 19:12:24
827
原创 深度学习1
传统机器学习算法依赖人工设计特征、提取特征，而深度学习依赖算法自动提取特征。深度学习模仿人类大脑的运行方式，从大量数据中学习特征，这也是深度学习被看做黑盒子、可解释性差的原因。随着算力的提升，深度学习可以处理图像，文本，音频，视频等各种内容，主要应用领域有：图像处理：分类、目标检测、图像分割（语义分割）自然语言处理：LLM、NLP、Transformer语音识别：对话机器人、智能客服（语音+NLP）自动驾驶：语义分割（行人、车辆、实线等）LLM：大Large语言Language模型Model。
2024-11-27 19:11:42
741
原创 PyTorch3
自动微分模块torch.autograd负责自动计算张量操作的梯度，具有自动求导功能。自动微分模块是构成神经网络训练的必要模块，可以实现网络权重参数的更新，使得反向传播算法的实现变得简单而高效。Torch中一切皆为张量，属性requires_grad决定是否对其进行梯度计算。默认是 False，如需计算梯度则设置为True。torch.autograd通过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。使用tensor.backward()方法执行反向传播，从而计
2024-11-26 18:57:26
701
原创 PyTorch2
点积运算要求如果第一个矩阵的shape是 (N, M)，那么第二个矩阵 shape必须是 (M, P)，最后两个矩阵点积运算的shape为 (N, P)。在 PyTorch 中，张量的形状操作是非常重要的，因为它允许你灵活地调整张量的维度和结构，以适应不同的计算需求。transpose 用于交换张量的两个维度，注意，是2个维度，它返回的是原张量的视图。可以用于将张量转换为不同的形状，但要确保转换后的形状与原始形状具有相同的元素数量。用于移除所有大小为 1 的维度，或者移除指定维度的大小为 1 的维度。
2024-11-25 18:52:20
2039
原创 PyTorch1
PyTorch是一个基于Python的深度学习框架，它提供了一种灵活、高效、易于学习的方式来实现深度学习模型。PyTorch最初由Facebook开发，被广泛应用于计算机视觉、自然语言处理、语音识别等领域。PyTorch使用张量（tensor）来表示数据，可以轻松地处理大规模数据集，且可以在GPU上加速。PyTorch提供了许多高级功能，如自动微分（automatic differentiation）
2024-11-22 19:17:58
812
原创 机器学习4
梯度下降法(Gradient Descent)是一个算法，但不是像多元线性回归那样是一个具体做回归任务的算法，而是一个非常通用的优化算法来帮助一些机器学习算法求解出最优解，所谓的通用就是很多机器学习算法都是用梯度下降，甚至深度学习也是用它来求解最优解。假设你在一个陌生星球的山地上，你想找到一个谷底，那么肯定是想沿着向下的坡行走，如果想尽快的走到谷底，那么肯定是要沿着最陡峭的坡下山。对于一个二分类问题，如果一个节点包含的样本属于正类的概率是 (p)，则属于负类的概率是 (1-p)。
2024-11-22 18:47:44
582
原创 机器学习3
可能发生的情况是，所有80%的 “0 “类数据都在训练集中，而所有 “1 “类数据都在测试集中。K-折交叉验证的变种， 分层的意思是说在每一折中都保持着原始数据中各个类别的比例关系，比如说：原始数据有3类，比例为1:2:1，采用3折分层交叉验证，那么划分的3折中，每一折中的数据类别保持着1:2:1的比例。通过这种方法，即使某个特征在训练集中从未出现过，它的概率也不会被估计为零，而是会被赋予一个很小但非零的值，从而避免了模型在面对新数据时可能出现的过拟合或预测错误。在所有其他情况下，使用KFold。
2024-11-22 17:16:02
1565
原创 机器学习2
如果一个特征的方差很小，说明这个特征的值在样本中几乎相同或变化不大，包含的信息量很少，模型很难通过该特征区分不同的对象,比如区分甜瓜子和咸瓜子还是蒜香瓜子,如果有一个特征是长度,这个特征相差不大可以去掉。在数学和计算机科学中，当一个矩阵的非零元素数量远小于总的元素数量，且非零元素分布没有明显的规律时，这样的矩阵就被认为是稀疏矩阵。它的目的是将不同特征的数值范围缩放到统一的标准范围，以便更好地适应一些机器学习算法，特别是那些对输入数据的尺度敏感的算法。这就达到了降维的功能。
2024-11-21 19:20:03
756
原创 机器学习1
机器学习（Machine Learning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习（Deep Learning）等算法。机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。Python语言机器学习工具Scikit-learn包括许多智能的机器学习算法的实现Scikit-learn文档完善，容易上手，丰富的API接口函数sklearn。
2024-11-21 18:54:15
868
原创 face_recognition
是一个非常流行的 Python 库，专门用于人脸识别任务。它基于 dlib 库和 HOG（Histogram of Oriented Gradients）特征以及深度学习模型，提供了简单易用的接口来进行人脸检测、面部特征点定位和人脸识别。库由 Adam Geitgey 开发，旨在简化人脸识别任务，使其更加容易上手。
2024-11-05 19:23:10
556
原创 OpenCV 图像预处理2
为了减少图像中的噪声，可以采取一些专业的图像处理技术，如图像降噪（Image Denoising），通过减少数字图像中的噪声来提高图像的质量。较大时，空间上距离较远的像素也会被赋予较大的权重，这意味着滤波器会在更大的空间范围内进行平滑处理，导致图像的局部细节被进一步平滑。较大时，颜色差异较大的像素也会被赋予较大的权重，这意味着滤波器会在更大范围内进行平滑处理，导致图像细节的丢失较多。高斯滤波是图像处理中常用的一种平滑滤波方法，其主要作用是去除图像中的噪声，并减少图像细节，以实现图像的平滑处理。
2024-11-04 20:08:41
738
原创 OpenCV
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OpenCV最初由英特尔公司发起并开发,以BSD许可证授权发行,可以在商业和研究领域中免费使用,现在美国Willow Garage为OpenCV提供主要的支持OpenCV可用于开发实时的图像处理,计算机视觉以及模式识别程序,目前在工业界以及科研领域广泛采用。
2024-10-31 18:58:33
2271
原创 Python 包和模块
当使用Python编程时，包（Packages）和模块（Modules）是两个关键的概念，它们有助于组织、管理和复用代码。模块：一个.py文件就是一个模块，模块是含有一系列数据函数类等的程序作用：把相关功能的函数等放在一起有9利于管理，有利于多人合作开发分类：内置模块（在python3程序内部，可以直接使用）标准库模块在python3安装完后就可以使用的第三方模块（需要下载安装后才能使用）自定义模块用户自己编写导入模块：导入一个模块到当前程序。
2024-10-30 17:28:48
642
原创 Pythono 数据结构
数据结构是计算机科学中的一个核心概念，它是指数据的组织、管理和存储方式，以及数据元素之间的关系。向一个栈插入新元素又称作进栈、入栈或压栈，它是把新元素放到栈顶元素的上面，使之成为新的。从一个栈删除元素又称作出栈或退栈，它是把栈顶元素删除掉，使其相邻的元素成为新的栈顶元。2. 对于每个节点，其左子树中的所有节点的键值都小于该节点的键值。3. 对于每个节点，其右子树中的所有节点的键值都大于该节点的键值。链表是一条相互链接的数据节点表。返回栈顶的元素，不对栈做任何修改（这个方法不会移除栈顶的元素，仅仅返回它）。
2024-10-29 19:12:34
685
原创 Pandas3
如果想要写入到多张工作表中，则需要创建一个带有目标文件名的ExcelWriter 对象，并通过。，逗号分隔值，有时也称为字符分隔值，因为分隔字符也可以不是逗号），其文件以纯文本形式存储表格数据（数字和文本）：可选参数，代表每个样本的权重值，参数值是字符串或者数组。：布尔值参数，表示是否以有放回抽样的方式进行选择，默认为。接口，通过调用该接口可以实现常用的绘图操作。：可选参数，控制随机状态，默认为。，代表抽取总体数据的50%，表示随机数据不会重复；中的非空值，返回一个布尔值的。中的空值，返回一个布尔值的。
2024-10-28 17:16:11
313
原创 Pandas2
你可以将数据集按照某个列（或多个列）的值分组，然后对每个组应用聚合函数，比如求和、平均值、最大值等。函数可以实现数据的筛选，该函数根据定义的条件过滤数据并返回一个新的数据集。如果在重新索引的过程中，新的索引与原始索引不完全匹配，那么不匹配的位置。'first'：保留第一个出现的重复项（默认值）。时间序列功能的核心组件，提供了丰富的方法和属性来处理日期和时间数据。方法用于对数据进行分组操作，这是数据分析中非常常见的一个步骤。'last'：保留最后一个出现的重复项。列的标签或列的标签列表。
2024-10-25 17:03:05
637
原创 Pandas1
Pandas是一个开源的第三方Python库，从Numpy和Matplotlib的基础上构建而来Pandas已经成为Python数据分析的必备高级工具，它的目标是成为强大、灵活、可以支持任何编程语言的数据分析工具Pandas是Python语言的一个扩展程序库，用于数据分析Pandas是一个开放源码、BSD许可的库，提供高性能、易于使用的数据结构和数据分析工具Pandas一个强大的分析结构化数据的工具集，基础是Numpy（提供高性能的矩阵运算）Pandas。
2024-10-24 19:04:38
881
原创 Matplotlib
是一款用于数据可视化的 Python软件包，支持跨平台运行，它能够根据NumPy ndarray 数组来绘制2D图像，使用简单。Matplotlib图形组成：Figure：指整个图形，您可以把它理解成一张画布，它包括了所有的元素，比如标题、轴线等Axes：绘制2D图像的实际区域，也称为轴域区，或者绘图区Axis：指坐标系中的垂直轴与水平轴，包含轴的长度大小（图中轴长为7）、轴标签（指x轴，y轴）和刻度标签Artist：您在画布上看到的所有元素都属于Artist。
2024-10-23 18:47:29
678
原创 NumPy2
加权平均值是将数组中各数值乘以相应的权数，然后再对权重值求总和，最后以权重的总和除以总的单位数（即因子个数）；根据在数组中给出的权重，计算数组元素的加权平均值。用于计算中位数，中位数是指将数组中的数据按从小到大的顺序排列后，位于中间位置的值。如果数组的长度是偶数，则中位数是中间两个数的平均值。要求堆叠的数组在某些维度上具有相同的形状。以一维数组的形式返回一份数组的副本，对副本的操作不会影响到原数组。沿指定的轴，计算数组中元素的算术平均值（即元素之总和除以元素数量）在不改变数组元素的条件下，修改数组的形状。
2024-10-22 17:49:05
498
1
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