Primary11-优快云博客

原创基于Pytorch的CNN网络识别Fashion-MNIST服饰

定义标签数字到服饰名称的映射# 创建一个 3x3 的网格来展示 9 张训练图片for i in range(9): # 循环展示前9张图片plt.subplot(3, 3, i+1) # 创建 3x3 的子图plt.imshow(x_train[i], cmap=plt.cm.binary) # 显示图片。

2025-04-03 08:34:36 337

原创基于Pytorch的CNN网络识别MNIST手写数字识别

定义网络结构self.fc1 = nn.Linear(28*28, 128) # 第一层，输入层到隐藏层self.fc2 = nn.Linear(128, 64) # 第二层，隐藏层到输出层self.fc3 = nn.Linear(64, 10) # 输出层，10个分类# 前向传播：将输入展平为一维向量，经过隐藏层和输出层x = x.view(-1, 28*28) # 将输入图片展平为1维向量x = torch.relu(self.fc1(x)) # 第一层 + ReLU激活。

2025-04-02 14:57:44 271

原创基于Tensorflow的CNN网络识别花朵类型

data_dir = './flower_images' # 数据集路径target_size = (150, 150) # 统一图片尺寸这里定义了数据集路径data_dir和目标图像尺寸。

2025-04-01 11:14:30 393

原创基于Pytorch的CNN网络识别花朵类型

定义一个简单的卷积神经网络模型。return x。

2025-03-06 23:01:09 953

原创使用LSTM进行天气变化的时间序列预测

5. 创建LSTM模型h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size) # 初始化隐藏状态h0c0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size) # 初始化记忆状态c0out, _ = self.lstm(x, (h0, c0)) # 仅返回最后一个时间步的输出out = self.fc(out[:, -1, :]) # 取最后一个时间步的输出。

2025-03-04 15:52:00 421

原创使用LSTM进行股票价格的时间序列预测

LSTM 模型定义h0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size) # 初始化隐藏状态h0c0 = torch.zeros(self.num_layers, x.size(0), self.hidden_size) # 初始化记忆状态c0out, _ = self.lstm(x, (h0, c0)) # 仅返回最后一个时间步的输出out = self.fc(out[:, -1, :]) # 取最后一个时间步的输出。

2025-03-03 20:32:37 373

原创基于pytorch使用LSTM进行文本情感分析

定义了基于 LSTM 的文本分类模型，包括嵌入层、LSTM 层、全连接层和激活函数，适用于二分类任务。

2025-03-01 15:31:05 408

原创基于pytorch使用LSTM进行英文文本情感分析

假设 x_train, y_train, x_test, y_test 是 NumPy 数组x_train = torch.from_numpy(x_train).long() # 将 x_train 转换为 Long 类型的张量y_train = torch.from_numpy(y_train).long() # 将 y_train 转换为 Long 类型的张量x_test = torch.from_numpy(x_test).long() # 将 x_test 转换为 Long 类型的张量。

2025-02-25 19:46:40 317

weixin_43729592的博客