自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(12)
  • 收藏
  • 关注

原创 刘二大人-Pytorch深度学习实践-多维特征输入-笔记与作业07

其实前面已经提到了,线性模型中的输入输出数据集可以不在是一个具体的数,而是可以是多维的矩阵采用矩阵加广播机制,可以不再使用for循环来训练,减轻代码量而此时可以回答的问题,它中间有很多层,每层都是一次线性回归,但是层与层之间要加上激活函数当然你也可以手动的增加层数,比如你的输入集是8维的,输出集是一维的,直接使用(8 * 1)的权重当然可以,但是这样泛化能力不强。所以可以在中间加上几层神经网络,比如8–10–6–4—2–1,不但可以降维,甚至可以升维。

2025-10-16 15:41:42 425

原创 刘二大人-Pytorch深度学习实践-逻辑斯蒂回归-笔记与作业06

逻辑斯蒂回归本质上是一个算法,并不是像线性回归那样输出一个具体的值,而是输出该样本属于某个分类的例如手写的0~9的数据集,难道要拿到一张手写图,直接输出这是具体的几吗?并不是,而是输出它是0的概率P(0),它是1的概率P(1)……,最终选择概率最大的而逻辑斯蒂回归主要解决的是二分类,也就是只有两个分类。由于概率总和肯定等于1,所以我们只需要计算其中一个分类的概率即可。而逻辑斯蒂回归的核心在于将线性回归的结果通过一个————映射到 (0,1) 的概率区间。其中最经典的函数是。

2025-10-16 15:40:33 409

原创 刘二大人-Pytorch深度学习实践-用PyTorch实现线性回归-笔记与作业05

张量:即前面提到的Tensor,是 PyTorch 存储数据和执行计算的基本单位,张量是一个,它是标量、向量和矩阵的广义统称。标量:标量是一个(0-D Tensor) ,它只包含一个数值,没有方向或大小之分。向量:向量是一个(1-D Tensor),它包含一列有序的数值,只有大小和方向。矩阵:矩阵是一个(2-D Tensor) ,它由行和列组成,是两个向量的排列。TIP]几个 [] 就是几维张量。

2025-10-16 15:38:44 422

原创 刘二大人-Pytorch深度学习实践-反向传播-笔记与作业04

上述的全连接神经网络,有好几百个权重,如果每个都采用先写解析式是很困难的,而且每层之间都是复合函数,这是个相当复杂的工作量。

2025-10-16 15:37:33 234

原创 刘二大人-Pytorch深度学习实践-梯度下降算法-笔记与作业03

输出结果(由于每次都取单独一个样本进行计算梯度,所以波动会很大,每次图像基本不一样)来计算的,这样的方式在遇到鞍点时可能会停滞不前。,这样的方式可能可以跨过鞍点,使权重继续前进。上述的梯度算法,对于每次权重迭代的大小是由。而随机梯度算法,权重的迭代大小是由。

2025-09-20 12:02:08 805

原创 刘二大人-Pytorch深度学习实践-线性模型-笔记与作业02

初始数据集可能并不是严格的在直线上的点集,会是离散的,而我们预设的线性模型是一条严格的直线。范围,尝试找到一个**可能(可能有增或减的趋势)**存在最小权重的范围。为了方便学习,这里选择简化模型,将截距b去掉。读作y_hat,表示预测的值,并不是准确值。而是最终求和后的平均计算,比如MSE的公式。,用于评估模型的泛化能力,防止过拟合。所以线性模型的关键是找到一个合适的。(当然也有其他方法,取绝对值等,w,b,mse,三维绘制。训练集(Traing Set),以此找到产生最小误差的权重。

2025-09-20 11:57:46 1100

原创 Conda安装配置与基本使用

比如说我新建的一个环境,里面没有安装pytorch,执行安装命令后,并没有走网络下载,而是使用缓存(Using cached)当你新建一个环境并安装与 其他环境相同的软件包时,Conda 通常不会重复下载和存储相同的包文件,而是会。最最最重要的一步,就算是默认安装在conda的安装路径下,也需要开放这个**/envs**的读写权限。新建两个环境变量(分别是conda的安装路径,和安装路径下的condabin文件夹路径):类型选择python,找到你设置的conda环境的存储路径下的。

2025-09-19 22:35:41 715

原创 Pytorch环境及其前置环境安装教程

本博客旨在记录第一次安装环境时的注意事项,方便下次所需时快速配置好环境。

2025-09-19 22:33:31 980

原创 Node.js的下载及在Visual Studio Code搭建Node.js开发环境

目录一、下载Node.js二、下载Visual Studio Code三、搭建Node.js开发环境1.切换中文界面2.新建工作文件夹3.新建js文件4.创建并修改lauch.json四、切换js文件运行一、下载Node.js前往官网下载点此下载node.js下载完成后一路next即可(记得修改安装路径)。二、下载Visual Studio Code点此下载Visual Studio Code下载完成后一路next即可(记得修改安装路径)。三、搭建Node.js开发环境1.切换中文界面显

2021-10-24 21:58:04 4359

原创 JBolt新模块开发流程1

如何在主页中添加新模块一.准备数据库二.生成相应的Model和BaseModel三.生成Controller和Service四.在首页生成模块组件主键一.准备数据库1.还是在jbolt数据库中,新建一个table表 “jb_bookstore”2.设计表,如下图所示,id项一定要有且为主键,自动递增3.完成之后保存即可。二.生成相应的Model和BaseModel1.在cn.jbolt.common.gen包下有一个 JFinalModelGenerator类,直接运行它。生成成功:

2021-09-28 23:47:59 920 2

原创 JBolt在IDEA中的环境搭建

使用IDEA搭建JBolt环境准备在Navicat中导入数据库在IDEA导入jbolt项目准备将hnist-jbolt.zip解压,并找到其中的readme文件夹下的jbolt_mysql_auto.sql数据库文件。在Navicat中导入数据库1.在已连接中新建一个jbolt数据库(注意字符集为utf8),右击选择运行SQL文件,选择准备阶段中找到的jbolt_mysql_auto.sql,点击开始,结束之后刷新,在jbolt数据库中就会出现相应的table表。在IDEA导入jbolt项目

2021-09-28 21:23:34 877

原创 Android Studio强制使用androidx的降级(找不到support)/附:用Banner实现图片轮播

Android Studio强制使用androidx的降级/附用Banner实现图片轮播创建新项目这里我们新建一个EmptyAvtivity项目,命名为Banner;可以看到Android Studio强制使用了androidx的库。点击Finish完成创建。删除并添加新依赖1.打开箭头所指文件,并删除框选住的两行声明2.打开箭头所指文件,并删除框选住的依赖;3.删除之后再添加两行:implementation 'com.android.support:appcompat-v7:2

2021-09-24 14:05:55 1675 3

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

提示
确定要删除当前文章?
取消 删除