__Miracle__

深度学习与机器学习的区别机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层来构建更复杂的模型。通过大量数据的训练自动得到模型，不需要人工设计特征提取环节。深度学习算法试图从数据中学习高级功能，这是深度学习的一个非常独特的部分。因此，减少了为每个问题开发新特征提取器的任务。适合用在难提取特征的图像、语音、自然语言领域神经网络人工神经网络（ Artificial Neural Network，

fer2013人脸表情数据集简介fer2013人脸表情数据集由35886张人脸表情图片组成，其中，测试图（Training）28708张，公共验证图（PublicTest）和私有验证图（PrivateTest）各3589张，每张图片是由大小固定为48×48的灰度图像组成，共有7种表情，分别对应于数字标签0-6，具体表情对应的标签和中英文如下：0 anger 生气； 1 disgust 厌恶； 2 fear 恐惧； 3 happy 开心； 4 sad 伤心；5 surprised 惊讶； 6 normal

线性神经网络局限性任意多个隐层的神经网络和单层的神经网络都没有区别，而且都是线性的，而且线性模型的能够解决的问题也是有限的神经网络的种类基础神经网络：线性神经网络，BP神经网络，Hopfield神经网络等进阶神经网络：玻尔兹曼机，受限玻尔兹曼机，递归神经网络等深度神经网络：深度置信网络，卷积神经网络，循环神经网络，LSTM网络等卷积神经网络传统意义上的多层神经网络是只有输入层、隐藏层、输出层。其中隐藏层的层数根据需要而定，没有明确的理论推导来说明到底多少层合适卷积神经网络CNN，在原来多

import torch#定义向量vector = torch.tensor([1,2,3,4])print('Vector:\t\t', vector)print('Vector Shape:\t', vector.shape)Vector: tensor([1, 2, 3, 4])Vector Shape: torch.Size([4])#定义矩阵matrix = torch.tensor([[1,2],[3,4]])print('Matrix:\n', matrix)p

神经网络人工神经网络（ Artificial Neural Network， 简写为ANN）也简称为神经网络（NN）。是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）结构和功能的 计算模型。经典的神经网络结构包含三个层次的神经网络。分别输入层，输出层以及隐藏层。其中每层的圆圈代表一个神经元，隐藏层和输出层的神经元有输入的数据计算后输出，输入层的神经元只是输入。神经网络的特点每个连接都有个权值同一层神经元之间没有连接最后的输出结果对应的层也称之为全连接层FC那么为什么设计这样的结构

加载数据import torchimport numpy as npfrom sklearn import datasetsfrom sklearn.model_selection import train_test_splitfrom sklearn.preprocessing import StandardScalerboston = datasets.load_boston()X = boston.datay = boston.targetX = X[y < 50.0]y.

配置国内镜像阿里云镜像[global]index-url = http://mirrors.aliyun.com/pypi/simple/[install]trusted-host=mirrors.aliyun.com终端输入pip3 install --user --upgrade tensorflow验证方式一:python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 10

for 循环# for 临时变量 in 可迭代对象(可以一个一个取出来)：# 循环体# i = 0# while i < 100:# print("dada")# i+=1# for i in range(100):# print(i)# range(终止位置) 不包含终止位置# range(起始位置， 终止位置) [起始位置， 终止位置)# range(起始位置， 终止位置,步长) [起始位置， 终止位置)my_sum = 0# 所有奇数和

路由如何避免重名冲突from django.contrib import adminfrom django.urls import pathfrom demo.views import showfrom demo2.views import hahaurlpatterns = [ path('admin/', admin.site.urls), path('demo/', show), path('demo2/', haha),]编写视图函数from djan.

fer2013人脸表情数据集简介fer2013人脸表情数据集由35886张人脸表情图片组成，其中，测试图（Training）28708张，公共验证图（PublicTest）和私有验证图（PrivateTest）各3589张，每张图片是由大小固定为48×48的灰度图像组成，共有7种表情，分别对应于数字标签0-6，具体表情对应的标签和中英文如下：0 anger 生气； 1 disgust 厌恶； 2 fear 恐惧； 3