Saturn_的博客

数据集下载群内的数据集，将他分成训练集和测试集代码import torchfrom torch import nn, optimfrom torch.utils.data import DataLoader, Datasetfrom torchvision import datasets, transforms # 模型构建class Net(nn.Module): def __init__(self): super(Net, self).__init__()

for循环版本：import numpy as np x = np.array([[-1, -1, -1, -1, -1, -1, -1, -1, -1], [-1, 1, -1, -1, -1, -1, -1, 1, -1], [-1, -1, 1, -1, -1, -1, 1, -1, -1], [-1, -1, -1, 1, -1, 1, -1, -1, -1], [-1, -1, -

一、简单描述卷积、卷积核、多通道、特征图、特征选择概念。1.卷积卷积在这里可以理解为一种用于图像特征提取，针对像素点进行处理的技术2. 卷积核在图像卷积计算中，需要定义一个卷积核(Kernel)。卷积核是一个二维矩阵，矩阵中数值为对图像中与卷积核同样大小的子块像素点进行卷积计算时所采用的权重。实际上它相当于一个滤波器3. 多通道多通道图像是指多个摄像机拍摄的同一个场景的图像或者一个摄像机在不同时刻拍摄的同一场景的图像。在表示图像时，使用多个通道对图像进行编码。多通道图像常用于人工智能领域。4.

输入值：x1, x2 = 0.5，0.3输出值：y1, y2 =0.23， -0.07激活函数：sigmoid损失函数：MSE初始权值：0.2 -0.4 0.5 0.6 0.1 -0.5 -0.3 0.8目标：通过反向传播优化权值对给出的代码拆分分析这个函数是前向传播这个函数是反向传播更新权重主函数进行训练复现结果：由于太多，只节选部分展示...

安装PyCharm首先要先安装Python否则PyCharm将是一个空壳子。这里我选择安装python3.5.1。按照向导完成安装并配置环境变量。完成后下载PyCharm，免费的社区版足够了按照向导完成安装然后create new project安装环节到此结束安装PyTorch这里根据自己的计算机配置选择对应的选项，就会生成一个下载命令，在cmd里运行这个命令这里需要等待比较长的时间。安装完成后就可以开始实现反向传播实现反向传播把PyTorch放入PyCharm中im