- 博客(9)
- 收藏
- 关注
RSS订阅原创 第五节 食物分类
卷积核不认识图像被放大缩小旋旋转拉伸前后的图片，所以需要进行数据增广，即让模型对图片的各种处理再跑一遍。为了复现好的随机结果，所以需要随机种子环境参数保存函数 seed everything。lr是动态变化的，梯度大，lr就小，两者乘积就不会爆炸。adam 综合考虑前一个点和当前点的混合梯度方向。sgd是梯度计算函数，只考虑当前点的梯度方向。
2025-03-04 16:05:41
254
原创 第二节下 回归实战——线性回归代码
def data_provider(data, label, batchsize): # 每次调用这个函数，都能产生 batchize 大小的一批数据，用这个大小的数据进行一次训练。w_0 = torch.normal(0, 0.01, true_w.shape, requires_grad=True) #需要计算梯度。plt.scatter(X[:, 1], Y, 1) #1表示散点图点的大小， X[:, 1] 取所有行，1列。print("真实的函数是",true_w, true_b)
2025-02-25 19:14:12
628
原创 第2节上 python基础
list4 = [i for i in range(1,10,2)] #循环后置，列表表达式中暗藏循环结构。# for i in range(2,10,3): #2是开头，10是结尾（取不到），3是步进。# laoli = person("ligekaoyan",28) #实例化。# array = np.array(list1) #把list1 矩阵化。array = np.array(list1) #把list1 矩阵化。# # print(list1[1:4]) #左开右闭。
2025-02-19 14:14:00
626
原创 第1节 深度神经网络
激活函数类似于阈值（门槛），对传递信息进行筛选判断。激活函数给神经网络引入了非线性关系，使得神经网络可以模拟非线性的模型。B站搜小甲鱼，学一些基本的python操作（字典）。梯度下降法（梯度指的是函数值下降最快的那个方向）作业：环境配置，python语法配置。有矩阵方程 r = W X + b。无激活函数，预测值只能表现为直线。神经网络本质是矩阵运算。1、sigmoid函数。向前过程——梯度回传。梯度下降算法 w-η。（r），σ是激活函数。
2025-01-13 22:15:38
207
原创 第0节 机器学习与深度学习
机器学习：狭义上指非深度学习的机器学习内容，有解释性（说得通，有逻辑），常见机器学习模型有KNN模型（判断归属），决策树（垃圾邮件，；深度学习：设计一个很深的网络架构让机器自己学习，也可以理解成找一个函数f，数据就是自变量x，产出y取决于投喂数据的质量。线性神经元比较简单，数学本质是线性函数（如果无激活函数），因此无法拟合复杂函数（分段函数，高次函数etc）。L 是位置参数 w、b的函数，L 函数值衡量参数值与真实值的亲近程度。用η对L（w，b）进行迭代更新（类似于牛顿迭代），实现逼近极值。
2025-01-12 17:43:22
226
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