- 博客(9)
- 收藏
- 关注
RSS订阅原创 Java基础（一）
首先，你需要使用文本编辑器编写 C 程序的源代码，并将文件保存为.c扩展名。：编译器的预处理器（通常表示为cpp）处理源代码文件中的预处理指令（以开头的行）。这些指令包括宏定义的展开、文件的包含（#include）、条件编译指令（#ifdef#ifndef#endif等）。：编译器（如gcc或clang）将预处理后的源代码转换成汇编语言。这一步通常由-c选项触发，它会.o.obj。：汇编器（如as）将汇编语言转换成机器语言，生成目标代码。这一步通常也是由编译器自动完成的。：链接器（如ld。
2024-09-24 21:28:38
605
原创 深度学习实战（五）—— bert情感分析
这里数据提取器中要进行训练集和验证集的划分，取20%作为验证集# 数据集self.X = xreturn self.X[item], self.Y[item] # 数据集一般不让返回str， 要写在字典中，或者转为矩阵。# 数据生成器x, label = read_txt_data(path) # 读取数据集# 数据集没有划分，所以要分割训练集和验证集，valSize为验证集的比例20%文本要先进行分词，得到三个部分传进bert# 模型。
2024-03-21 16:49:53
1104
1
原创 深度学习实战（三）—— 图片分类任务
训练集有带标签的数据和不带标签的数据，一共11钟食物，每一种280张图片验证集每一种30张，无标签训练集3327张。
2024-03-15 22:37:53
1041
1
原创 图片分类任务——卷积神经网络概念
不同于回归任务，只输出一个值，分类任务的每一个样本都输出多维的预测值y^，即一个多维向量，代表着一组概率值，其和为1。真实标签y，也同为一组概率向量，且用表示，即如果结果属于该类就取1，剩余类取0。如下图，一共三类，如果有100个样本，5个特征，假如经过一层网络，即 Linear(5,3)，100*5的样本输入，最终变成100*3的输出y^，其中每一个样本的输出都是三维的概率向量，分类任务的loss值会将y，y^经过交叉熵损失算得。
2024-03-14 15:55:45
1701
1
原创 深度学习实战（一）——简单线性回归任务
定义一个函数（线性回归模型），用于生成预测值，拟合真实数据# 矩阵乘法函数 torch.matmul 来计算线性变换 x * w， 然后加上偏置 b 得到预测值 pred_y这里我们使用平均绝对误差（MAE）作为损失函数# loss函数，这里使用平均绝对误差（MAE）作为损失函数# torch.abs 函数计算pred_y 和真实值 y 之间的逐元素差的绝对值，使用 torch.sum 函数对所有数据点的绝对误差进行求和# 最后，将总误差除以数据点的数量 len(y)，这里是16。
2024-03-05 22:41:11
667
1
原创 深度学习基础概念
y^：预测值（输出），x：数据（输入），y：标签，x，y是已有的数据w: weight权重，b: bias偏置/偏差，这两是未知数，需要我们学习不断更新的。
2024-03-04 22:59:09
1008
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