凯的博客

原创 深度学习-图像处理篇-7MobileNet

深度可分卷积操作优势。

原创 深度学习-图像处理篇-5ResNet和ResNeXt

解决问题：梯度消失或梯度爆炸退化问题(degradation problem)迁移学习。

原创 深度学习-图像处理篇-5GoogLeNet

原创 深度学习-图像处理篇4VGG网络

CNN感受野。

原创 深度学习电脑独显GPU占用一直0%解决方式

在系统设置里面把硬件加速GPU计划关了。打开任务管理器可以看到独显开始工作了。再在GPU1中将3D改成Cuda即可。

原创 深度学习-图像处理篇3.1 AlexNet网络结构详解与花分类数据集下载、pytorch搭建AlexNet

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考。

原创 深度学习-图像处理篇1.3pytorch神经网络例子

batch:一批·图像·数量。

原创 深度学习-图像处理篇1.1-1.2神经网络

对彩色RGB图像进行卷积1.卷积核的通道数与输入特征层的通道数相同2.卷积输出的特征矩阵通道数与卷积核个数相同。

原创 动手学深度学习（pytorch土堆）-06损失函数与反向传播、模型训练、GPU训练

模型保存与读取完整模型训练套路。

原创 动手学深度学习（pytorch土堆）-05-1神经网络

class继承Model继承自nn.Module，使其具有构建神经网络的能力。初始化: 使用__init__方法初始化网络层。前向传播forward方法定义了数据流经网络的过程。这段代码展示了 PyTorch 中定义和实现自定义神经网络模型的基本方法。Model示例# selfXkk = xkk() x = torch . tensor(1.0) output = Xkk(x) #调用了模块的 __call__ 方法，而 __call__ 方法会自动执行 forward 函数。

原创 动手学深度学习（pytorch土堆）-04torchvision中数据集的使用

CIFAR-10 数据集由 10 个类的 60000 张 32x32 彩色图像组成，每个类有 6000 张图像。有 50000 张训练图像和 10000 张测试图像。数据集分为 5 个训练批次和 1 个测试批次，每个批次有 10000 张图像。测试批次包含每个类中随机选择的 1000 张图像。训练批次包含按随机顺序排列的剩余图像，但某些训练批次可能包含来自一个类的图像多于另一个类的图像。在它们之间，训练批次包含来自每个类的 5000 张图像。test_set[]存放两个数据，一个是图像本身，一个是标签。

原创 动手学深度学习（pytorch土堆）-03常见的Transforms

transforms.Resize 是 PyTorch 中 torchvision.transforms 模块的一个变换操作，用于调整图像的大小。它可以将输入图像调整为指定的尺寸，通常用于图像预处理以确保所有输入图像具有相同的尺寸，这对深度学习模型的输入非常重要。transforms.Compose 是 PyTorch 中的一个函数，用于将多个图像变换操作组合在一起，形成一个变换流水线。这些操作会按照给定的顺序依次作用在输入的图像上。如果是单个整数：将按保持宽高比的方式调整图像，较短的一边将被调整为该值。

原创 动手学深度学习（pytorch土堆）-03Transforms简单入门学习

1torchvision中的transforms主要是对图片进行一些变换。

原创 动手学深度学习（pytorch土堆）-02TensorBoard的使用

代码使用了将数据记录到 TensorBoard 以便可视化。具体来说，它将标量数据记录到目录logs中，使用的是类。"logs""y=x"iy = x然后在浏览器中访问来查看记录的标量数据。add_image。

原创 动手学深度学习（pytorch土堆）-01Dataset类代码

【代码】动手学深度学习（pytorch土堆）-01Dataset类代码。

原创 吴恩达机器学习课后作业-07kmeans and pca

对于数据集中的每一个数据，按照距离K个中心点的距离，将其与距离最近的中心点关联起来，与同一个中心点关联的所有点聚成一类。K-均值是最普及的聚类算法，算法接受一个未标记的数据集，然后将数据聚类成不同的组。首先选择K个随机的点，称为聚类中心（cluster centroids）；计算每一个组的平均值，将该组所关联的中心点移动到平均值的位置。重复步骤2-4直至中心点不再变化。

原创 吴恩达机器学习课后作业-06支持向量机（SVM）

Gamma越小，模型复杂度越低,Gamma越大，模型复杂度越高。

原创 吴恩达机器学习课后作业-05偏差与方差

训练集:训练模型·验证集︰模型选择，模型的最终优化·测试集:利用训练好的模型测试其泛化能力。

原创 吴恩达机器学习课后作业-04神经网络

【代码】吴恩达机器学习课后作业-04神经网络。

原创 吴恩达机器学习课后作业-03多分类、神经网络前向传播

代码看不太懂，下面是ai的解释。

原创 吴恩达机器学习课后题-02逻辑回归

【代码】吴恩达机器学习课后题-02逻辑回归。

原创 吴恩达机器学习课后题-01线性回归

NumPy是Python的一个库，它提供了大量的数学函数工具，特别是针对数组的操作。这个函数接受三个参数：x（特征矩阵），y（目标变量向量），和theta（参数向量，即线性模型的权重和偏置项）。在Python中，这种数据结构是一个嵌套的列表（list of lists），外层列表包含两个元素，每个元素都是一个包含一个浮点数的内层列表。在使用这个函数之前，需要确保 x 包含了偏置项（即一列全为1的列），除非你的 theta 已经被相应地调整过（例如，theta 的第一个元素不代表偏置项）。

原创 Python学习day16-类与对象

它封装了数据（属性）和与这些数据相关的操作（方法）。通过类，你可以创建具有特定属性和方法的对象。类定义了一个对象的结构，包括它包含的数据（通过变量表示）和它可以执行的操作（通过函数表示，但在类中称为方法）。当你创建一个类的实例（即对象）时，你可以使用这个对象来访问其属性和方法。这些内置的类方法，各自有各自特殊的功能，这些内置方法我们称之为∶魔术方法。上文学习的_init_构造方法，是Python类内置的方法之一。·构建类对象的传参会传递给构造方法，借此特性可以给成员变量赋。_lt_小于、大于符号比较。

原创 python学习day15地图、柱状图

RGB颜色对照表获取。

原创 Python学习day14-基础阶段综合案例

pyecharts模块●如果想要做出数据可视化效果图，可以借助pyecharts模块来完成概况︰Echarts是个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可.而Python是门富有表达力的语言，很适合用于数据处理.当数据分析遇上数据可视化时pyecharts诞生了.

原创 Python学习day13异常、模块与包

ifname== ‘main’:直接import整个工程不耽误用print(1,3)

原创 Python学习day12-文件操作

计算机只认识0和1，所以需要将内容翻译成O和1才能保存在计算机中。同时也需要编码，将计算机保存的0和1，反向翻译回可以识别的内容。编码技术即:翻译的规则，记录了如何将内容翻译成二进制，以及如何将二进制翻译回可识别内容。close()方法，带有flush()方法的功能。a模式，文件存在，会在原有内容后面继续写入。2.追加写入的方法有（和w模式一致)∶。.flush()，刷新内容到硬盘中。flush()，刷新内容到硬盘中。a模式，文件不存在，会创建新文件。.wirte()，写入内容。wirte()，写入内容。

原创 机器学习day10-神经网络

普通的逻辑回归模型，不能有效地处理这么多的特征，这时候我们需要神经网络。

原创 Python学习day11函数进阶

【代码】Python学习day11函数进阶。

原创 机器学习day9-正则化

如果选择的正则化参数λ过大，则会把所有的参数都最小化了，导致模型变成 h_θ (x)=θ_0，也就是上图中红色直线所示的情况，造成欠拟合。因为如果我们令 λ 的值很大的话，为了使Cost Function 尽可能的小，所有的 θ 的值（不包括θ_0）都会在一定程度上减小。虽然正则化的逻辑回归中的梯度下降和正则化的线性回归中的表达式看起来一样，但由于两者的h_θ (x)不同所以还是有很大差别。但若λ的值太大了，那么θ（不包括θ_0）都会趋近于0，这样我们所得到的只能是一条平行于x轴的直线。

原创 Python学习day10-字典、数据容器总结与拓展、字符串比较大小

字典的Key和Value可以是任意数据类型(Key不可为字典)那么，就表明，字典是可以嵌套的例子字典新增元素遍历元素统计len()大练习数据容器总结容器通用排序总结每一个字符都能对应上一个:数字的码值 字符串进行比较就是基于数字的码值大小进行比较的。从头开始按位比较，谁先比对方大谁就大

原创 Python学习day9数据容器-元组与集合

练习结果2。

原创 Python学习day8数据容器-列表

'''有一个列表，内容是:[21,25,21,23,22，20]，记录的是一批学生的年龄请通过列表的功能（方法)，对其进行1．定义这个列表，并用变量接收它2．追加一个数字31，到列表的尾部3．追加一个新列表[29,33,30]，到列表的尾部4．取出第一个元素（应是∶21)5．取出最后一个元素（应是:30)6．查找元素31，在列表中的下标位置'''print('追加一个数字31，到列表的尾部',list)print(one)print(a)

原创 机器学习day8逻辑回归

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档。

原创 python学习day7函数

def函数名(传入参数):函数体return 返回值函数体在遇到return后就结束了，所以写在return后的代码不会执行。

原创 机器学习day7 octave（MATLAB）基本使用

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。矩阵生成ones(2,3) %生成全是1的矩阵zeros(1,5) %生成零矩阵rand(1,5)%生成随机矩阵randn()%生成高斯随机变量矩阵hist()%绘制直方图eye()%生成单位矩阵size()%返回矩阵大小size(a,1)返回行数size(a,2)返回列数length()返回行列的最大维数load'文件名称'%数据导入到MATLAB。

原创 python学习day6 循环语句

获得一个从num1开始，到num2结束的数字序列(不含num2本身别)如，range(5,10)取得的数据是∶[5,6,7,8,9]获得一个从num1开始，到num2结束的数字序列（不含num2本身)数字之间的步长，以step为准（ step默认为1)获取一个从0开始，到num结束的数字序列(不含num本身)如range(5)取得的数据是:[0,1,2,3,4]在即将完成的案例中，我们需要使用print语句，输出不换行的功能，非常简单，实现方式。如，range(5,10,2)取得的数据是∶[5,7,9]

原创 python学习day5判断语句

满足1(如图编号〉将不会理会2和3满足2，将不会理会3。定义变量存储布尔类型数据:变量名称=布尔类型字面量。else也可以省略不写，效果等同3个独立的if判断。均不满足，进入else。False表示假(否、否定)True表示真(是、肯定)判断是互斥且有顺序的。判断语句练习，猜数字。

原创 python学习day4数据输入

【代码】python学习day4数据输入。

原创 机器学习day6特征和多项式回归、正规方程

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考。