- 博客(48)
- 收藏
- 关注
RSS订阅原创 NNDL 实验七 循环神经网络（2）梯度爆炸实验
本次实验了解了范数，L2范数等概念，手动实现梯度爆炸问题并且通过梯度截断的方法解决，掌握了梯度截断的原理。
2022-11-26 18:01:13
317
原创 NNDL 实验七 循环神经网络（1）RNN记忆能力实验
本次实验完成了循环神经网络的RNN记忆能力实验，构建数据集进行数据划分，构造Dataset类，构建了嵌入层、SRN层、线性层，从而最终得到模型，并且训练模型得到不同数据长度下的误差变化和可视化的损失曲线图，并对模型进行评价。
2022-11-21 21:24:56
437
原创 NNDL 作业8：RNN - 简单循环网络
本次实验，我们使用numpy实现了一个SRN，已有的SRN基础上加入了激活函数，分别使用nn.RNNCell、nn.RNN实现SRN，分析“二进制加法” 源代码，实现“Character-Level Language Models”源代码，分析“序列到序列”源代码，简单实现编码器-解码器。
2022-11-13 20:40:38
627
原创 NNDL 实验六 卷积神经网络（5）使用预训练resnet18实现CIFAR-10分类
本篇文章主要基于resnet18实现CIFAR-10分类
2022-11-12 00:03:10
1010
原创 NNDL 实验六 卷积神经网络（4）ResNet18实现MNIST
本篇文章主要是通过ResNet经典残差网络完成了Mnist手写数字的识别，分别用残差连接和没有残差连接对ResNet18进行模型训练和评价来验证残差连接对深层卷积神经网络的训练可以起到促进作用。
2022-11-06 20:50:08
461
原创 NNDL 实验六 卷积神经网络（3）LeNet实现MNIST
本次实验实现了基于LeNet模型进行手写数字识别，使用前馈神经网络实现MNIST识别与LeNet效果做对比，更加直观的了解了他们的各自特点深入了解了卷积神经网络的优越性。
2022-11-03 21:58:34
375
原创 NNDL 实验六 卷积神经网络（2）基础算子
本次实验通过对多通道卷积算子的实现和对汇聚层算子的实现，并且自己编写代码实现多通道的卷积操作，学习汇聚算子参数量和计算量如何计算
2022-10-25 10:51:30
174
原创 NNDL 实验六 卷积神经网络（1）卷积
本片文章对感受野、变种卷积、步长和零填充做了复习，实现二维卷积，利用自定义的二维卷积算子完成了一个简单的图片边缘检测
2022-10-21 17:10:00
1366
原创 NNDL 作业5：卷积
本次实验回顾了卷积、卷积核、特征图、特征选择、步长、填充、感受野的概念，conv2d函数的使用，深入探究了不同卷积核的作用，并且编程实现了灰度图的边缘检测，锐化，模糊等。
2022-10-16 01:38:24
982
原创 神经网络与深度学习（五）前馈神经网络（3）鸢尾花分类
本篇文章实践了基于前馈神经网络完成鸢尾花分类任务，在深入了解前馈神经网络的基本概念并且实现了鸢尾花数据集分类的任务，还对softmax，SVM，FNN进行多方面的比较。
2022-10-14 21:04:12
1937
原创 NNDL 实验四 线性分类
本篇文章主要使用pytorch来实现线性分类模型，二分类，多分类，并且利用softmax回归完成鸢尾花数据集分类任务
2022-09-21 13:01:53
1604
原创 NNDL 作业1：第二章课后题
本文主要介绍为什么平方损失函数不适用于分类问题 , 交叉熵损失函数不适用于回归问题以及精确率、召回率、F1值以及它们的宏平均和微平均的计算
2022-09-17 20:55:59
393
原创 Pytorch基础知识
本篇文章主要介绍机器学习问题的构成元素，pytorch中的基本概念：张量，变量，nn.Module,Tensor与机器学习的关系。
2022-09-03 09:52:09
537
原创 tf.function函数转换
定义一个普通的python函数运行结果：使用tf.function将python函数转变成tensorfllow的图用python_function来转会python函数转化为图结构的优势：运算速度快可以使用@tf.function将python函数转成图结构还可以使用autograph.to_code将python函数转成图结构输出结果：...
2022-08-01 17:15:49
378
原创 wide&deep模型
使用Sequential构建会隐藏layer的具体方式，直接使用会将模型的各层打印出来。■Eg专业={计算机，人文，其他}.人文=[0,1,0]■可能过拟合，所有特征都叉乘，相当于记住每一个样本。使用函数式API构建wide&deep模型。■带有语义信息，不同向量之间有相关性。■泛化能力差，没出现就不会起效果。■过度泛化推荐不怎么相关的产品。wide&deep模型的构建。■有效，广泛用于工业界。■兼容出现过的特征组合。○稀疏特征——优缺点。○密集特征——优缺点。使用子类API构建模型。...
2022-07-26 17:23:33
252
原创 模型的数据归一化处理
使用fashion_mnist数据建立一个模型，对数据进行归一化处理之后再放入模型中进行训练。不进行归一化的accuracy为0.83。进行归一化之后的accuracy为0.87。
2022-07-25 20:00:20
1329
2
原创 tf.keras 数据读取与展示
tf2较后来的版本默认batch_size=32,每一批取32个数据，（55000/32=1719)使用一个比较经典的数据fashion_mnist。
2022-07-25 18:15:37
417
原创 Feature-Scaling
最值归一化：把所有数据映射到0-1之间均值方差归一化：把所有数据诡异到均值为0方差为1的分布中适用于：数据分布没有明显的边界最值归一化 Normalization均值方差归一化 Standardization...
2022-06-30 17:58:20
78
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