<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_50044303的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_50044303</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_50044303]]></copyright><item><title><![CDATA[26浙软考研一战上岸初试经验帖]]></title><link>https://blog.youkuaiyun.com/qq_50044303/article/details/159771104</link><guid>https://blog.youkuaiyun.com/qq_50044303/article/details/159771104</guid><author>qq_50044303</author><pubDate>Thu, 02 Apr 2026 21:46:23 +0800</pubDate><description><![CDATA[再次强调所有推荐up，没有任何商业成分！！！没有任何商业成分！！！没有任何商业成分！！！，也没有任何诋毁与不尊重，各位有需要的同学放心食用。数学真题与408真题的总结之后我会更新在这个账号，各位有需要可以自取，需要其他26部分网盘资料的可以私信我，再次祝所有看完本篇帖子的同学考研一路顺利，成功上岸！复试由于保密协议，不清楚可说内容的程度，在此不做分享。有其他问题可私信。临帖涕零，不知所云。]]></description><category></category></item><item><title><![CDATA[深度学习实战——分类任务：食品分类]]></title><link>https://blog.youkuaiyun.com/qq_50044303/article/details/159053886</link><guid>https://blog.youkuaiyun.com/qq_50044303/article/details/159053886</guid><author>qq_50044303</author><pubDate>Sun, 15 Mar 2026 04:44:36 +0800</pubDate><description><![CDATA[本篇博客完成了一个基于 Food-11 数据集的实战案例，展示如何通过和，让模型在训练过程中自我进化。]]></description><category></category></item><item><title><![CDATA[深度学习实战——回归任务：新冠人口数预测]]></title><link>https://blog.youkuaiyun.com/qq_50044303/article/details/158744364</link><guid>https://blog.youkuaiyun.com/qq_50044303/article/details/158744364</guid><author>qq_50044303</author><pubDate>Sat, 07 Mar 2026 04:07:30 +0800</pubDate><description><![CDATA[本文实现了一个基于COVID-19数据的回归预测模型，主要流程包括：1) 数据预处理（特征选择、标准化和划分训练/验证集）；2) 构建包含全连接层和ReLU激活的神经网络模型；3) 使用带L2正则化的MSE损失函数和带动量的SGD优化器；4) 训练过程中保存验证集表现最佳的模型。实验结果表明，该方法能有效预测阳性病例数，关键特征包括社区感染相关指标。最终预测结果以CSV格式输出，验证集损失最低达0.96。]]></description><category></category></item><item><title><![CDATA[深度学习：PyTorch线性回归实战]]></title><link>https://blog.youkuaiyun.com/qq_50044303/article/details/158238338</link><guid>https://blog.youkuaiyun.com/qq_50044303/article/details/158238338</guid><author>qq_50044303</author><pubDate>Fri, 20 Feb 2026 22:02:09 +0800</pubDate><description><![CDATA[这是模型的核心部分。本例中，损失函数使用的是而不是 MSE（均方误差 L2 Loss），MAE 对异常值（Outliers）的容忍度更高，梯度也更稳定；而MSE对大误差的惩罚更严重。]]></description><category></category></item></channel></rss>