- 博客(22)
- 收藏
- 关注
RSS订阅原创 CNN结构
1，卷积核提取图像特征，是个矩阵。卷积核个数取决于输出特征矩阵通道数。卷积核大小1x1，3x3，5x5，一般是奇数x奇数。大概原因是奇数只有一个中间空格。比如3X3的，中间空格位置(2,2),(以1为开头下标）。（1）计算过程。从左到右，从上到下。且框出同样大小数据矩阵于卷积核对应位置乘加起来求和黑色矩阵里框起来的红色框框，与旁边绿色卷积核点乘。将-6放入中心点里（8的位置）。下一步黑色矩阵里被框起来绿色框框，与旁边绿色卷积核点乘。将-6放入中心点（9的位置）。
2025-08-22 10:06:10
829
原创 参数初始化，激活函数，损失函数及优化下降方式
固定值进行weight,b的初始化，全为某一个数。全1初始化会导致网络中每个神经元接收到相同的输入信号，进而输出相同的值，这就无法进行学习和收敛。所以全1初始化只是一个理论上的初始化方法，但在实际神经网络的训练中并不适用。导致对称性破坏的问题。
2025-08-13 19:49:57
695
原创 pytorch 数据加载和梯度计算
将数据封装。用于DataLoder的dataset参数。主要实现init,len,getitem函数，继承Dataset类。TensorDataset就将函数实现了。直接传参调用。
2025-08-07 20:18:09
271
原创 K_means算法
K-means 是一种流行的聚类算法，主要用于无监督学习中对未标记的数据进行分类。该算法的目标是将数据集中的样本划分为K个簇，使得簇内的样本彼此之间的差异最小化。这种差异通常通过簇内所有点到该簇中心点的距离平方和来衡量。个样本作为最初的质心，这可以通过随机选取数据集中的K个样本或者使用一些启发式方法来实现。个质心的距离（通常是欧氏距离），将样本点分配到最近的一个质心，生成。对于每个簇，计算所有被分该簇的样本点的平均值作为新的质心。当质心的位置不再发生变化或者迭代结束，聚类完成。
2025-08-05 20:11:40
240
原创 逻辑回归和sigmoid函数
在以知的yi下，属于yi的概率p(yi).m数据量。就是在yi条件下的f(h(x)）函数。不同yi有不同线性回归函数。逻辑回归是一种分类算法。在实际中应用非常广泛。而f(x)的值域处于0到1之间。非常符合概率分别0-1。逻辑回归的输入是线性回归的输出。3，多分类sigmoid函数。
2025-08-05 01:07:23
354
原创 线性回归欠拟合过拟合，正则化
欠拟合是指模型在训练数据上表现不佳，同时在新的未见过的数据上也表现不佳。这通常发生在模型过于简单，无法捕捉数据中的复杂模式时。
2025-08-04 23:39:28
811
原创 线性回归梯度下降
因为最小二乘法计算W时，应数据量和维度导致时间复杂度过大。0(n**3)的时间复杂度。且一般函数不止一个极值点。且数据量也不会一次性加载出来，内存消耗过大。
2025-08-04 18:28:48
485
原创 决策树，随机森林，线性回归最小二乘法
信息熵越大，不确定性越高，信息熵越低，纯度越高。，y共有n类。第i个样本比例站yi信息增益越大，对决策就越有用信息增益D，公式如下如图所示，下面计算一下信息增益H(Y/工资)=-(3/8)*((3/3)*log(3/3)+0*log0)-(5/8)*((2/5)*log(2/5)+(3/5)*log(3/5))=0.231844ZY(Y/工资)=H(Y)-H(Y/工资)=0.7226。
2025-08-01 14:48:48
1059
原创 sklearn数据加载，数据特征提取，数据规范化
IDF=log(（语料库文档总数+1）/（包含该词文档数+1））+1。文本词统计CountVectorizer()计算词个数。IDF=log(语料库文档总数/（包含该词文档数+1））TF=某个词次数/文章的总次数（某一个文档）将数据转化成均值为0，标准差为1的分布。TFIDF(词频与逆文档频率乘积）L2归一化（TF*IDF)在sklearn中使用。
2025-07-29 22:15:32
235
原创 opencv 直方图均衡化，模板匹配，霍夫变换，亮度变换，形态学变换
自适应直方图均衡化（Adaptive Histogram Equalization, AHE），通过调整图像像素值的分布，使得图像的对比度和亮度得到改善。当然，如果有噪点的话，噪点会被放大，需要对小区域内的对比度进行了限制。需要先计算模板与目标图像的均值，然后通过每个像素与均值之间的差的乘积再求和来表示其匹配程度，1表示完美的匹配，-1表示最差的匹配。特点：消除噪点，去除小的干扰块，而不影响原来的图像.闭运算与开运算相反，是先膨胀后腐蚀，作用是消除/“闭合”物体里面的孔洞，特点：可以填充闭合区域。
2025-07-28 23:57:36
460
原创 opencv图像梯度处理，边缘检测，轮廓绘制及凸包特征检测
去除噪声，边缘检测对噪声敏感。（噪声与原图像素值差异过大，导致边缘为噪声处）通过对卷积，对图像模糊化处理，卷积核采用高斯分布函数。
2025-07-25 23:41:47
638
原创 opencv对图像插值方法，边缘填充，图像融合，图像噪声消除，图像矫正及图像剪切
根据原图和目标图高和宽分别的比例，来确定像素点的位置从坐标(x1,y1)到（x,y)计算公式，像素值相等。
2025-07-24 23:18:45
1046
原创 模块化编程概念（模块、包、导入）及常见系统模块总结和第三方模块管理
通过__all__=["a","b"]来控制import*号的调用.from 包名 模块 import 函数 或 from 包名 import 模块等不行。模块是包含Python代码的单个文件，以.py扩展名保存，可包含函数、类、变量等。3. 导入包中的模块："from package import module" 或 "import package.module"1. 导入模块："import module_name"，使用方式："module_name.function()"下面主要介绍一下管理。
2025-07-18 20:22:56
262
原创 迭代器和生成器区别及其各自实现方式和使用场景
迭代器是用于逐个访问容器（如列表、元组等）元素的机制，实现迭代器协议的类需包含__next__()方法。逐个生成元素，适合处理大数据集。只能向前遍历，无法回退或重置。耗尽后需重新创建。下面是一组xml文件读取，返回其重要的字段；为图形处理数据信息。下面概述这张图片不一定相对应（xml-img)。
2025-07-17 19:57:26
236
原创 类和对象的基本概念及属性和常见分类和使用场景
类是对象的抽象定义，用于描述具有相同属性和行为的实体；对象是类的具体实例，对应真实存在的实体。核心特征类定义了对象的共同属性（如形状、颜色）和方法（如移动、跳跃），例如定义一个“people”类；对象则是该类的具体实现，例如具体的人（张三）实例。
2025-07-16 19:28:54
373
原创 复合类型之序列类型，映射类型和集合类型
Python复合数据类型主要包括三类：1.序列类型（列表、元组、range），其中列表可变且有序，支持增删改查操作，元组不可变；2.映射类型（字典），以键值对形式存储，键唯一且不可变，支持多种操作如获取键值、更新删除等；3.集合类型，无序且元素不重复，支持集合运算和增删操作。这些数据类型各具特点，满足不同场景下的数据存储和处理需求，是Python编程中的重要基础。
2025-07-10 19:34:04
262
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