weixin_45703331的博客

多分类问题的注意事项及分类指标

卷积神经网络_一个小的神经网络搭建

PyTorch⑨---卷积神经网络_线性层

PyTorch⑦---卷积神经网络_非线性激活

PyTorch⑥---卷积神经网络_池化层

PyTorch⑤---卷积神经网络_卷积层

PyTorch④---DataLoader的使用

PyTorch③---torchvision中数据集的使用

PyTorch②---transforms结构及用法、常见的Transforms

PyTorch②---transforms结构及用法

PyTorch①---加载数据、tensorboard的使用

机器学习

Tensorflow常用数学运算—平方、开方、次方数学运算—矩阵乘生成输入、特征标签对求导函数遍历每个元素独热码做标签输出符合概率分布对于分类问题，神经网络完成前向传播求出y（1.01，2.01，-0.66）这些数字只有符合概率分布后，才可以和独热码的标签比较。使用上面公式，输出符合概率分布，结果是：0.256，0.695，0.048，和为1。0.256表示0类鸢尾的概率是25.6%…使用softmax()实现概率分布的函数。softmax()函数可以使n分类

创建张量

神经网络：采集大量数据对构成数据集花萼长、花萼宽、花瓣长、花瓣宽（输入特征）---->对应的类别（标签，需要人工标定）把数据集喂入搭建好的神经网络结构，网络通过反向传播优化参数得到模型，模型读入新输入特征，输出识别结果。输入数据：一行四列输出数据：一行三列权重w：四行三列偏置b：三个神经元：输出层的每一个小球搭建网络：全连接网络（里面的每一个神经元y0、y1、y2和前面一层 的每一个节点x0、x1、x2、x3都有连接）网络搭建好后，线上的w、b会被随机初始化一些随机数。喂入一组输入特征5

集合集合是可变数据类型，集合是没有value的字典。存储单个元素，集合中的元素不允许重复，无序。创建集合（1）使用{}#代码s={1,2,4,6,2,1,64}#存储单个元素 集合中的元素不允许重复 无序print(s)#结果{64, 1, 2, 4, 6}（2）内置函数set()#使用内置函数set()s1=set(range(6))print(s1,type(s1))#结果{0, 1, 2, 3, 4, 5} <class 'set'>（3）将其他数据类型

Python基础之元组