- 博客(12)
- 收藏
- 关注
RSS订阅原创 STL---算法
iterator beg：起始迭代器iterator end：结束迭代器_func：函数iterator beg1：起始迭代器1iterator end1：结束迭代器 1iterator beg2：起始迭代器2_func:操作函数。
2024-08-06 21:00:06
438
原创 STL--容器
1、①、通过while循环遍历②、通过for循环遍历③、通过STL内置的for_each算法遍历2、存放自定义数据类型原理与上述一致，没太大区别，示例代码如下3、vector的嵌套vector容器内也可存放小容器，即为容器嵌套。
2024-08-06 16:36:38
899
原创 C++学习笔记---泛型编程
在堆区开辟数据在函数中如果要对局部变量（属于栈区）的地址进行返回，但如果其被编译器释放，即为非法操作，这时就需用到new来开辟堆区数据。
2024-08-05 15:45:03
247
原创 神经网络模型验证
用之前的神经网络训练的模型进行验证，即。该网络是一个分类模型，导入一张狗的图片。可以看出，正确的预测了dog类。该网络模型的10个类编号。
2024-05-16 18:37:22
231
1
原创 PyTorch学习总结--完整训练
训练过程中定义了损失函数，激活函数，优化器，并进行了测试，计算了测试准确率，并用tensorboard进行可视化，数据集采用torchvision的CIFAR10。🔥可以看出，损失都在不断减少，而准确率在升高。
2024-05-16 13:56:11
427
1
原创 神经网络模型的修改
网络结构，可以看出，此网络是个分类模型，有1000个类别，而之前所用到的CIFAR10只有10个类别，怎么运用这个模型呢？🧐很简单，在最后加个线性层，将1000->10。💬或者也可以直接对模型进行修改，无需添加。先加载vgg16网络模型。
2024-05-15 22:11:12
266
原创 PyTorch学习笔记三
官方文档在torch.opim中，首先先构建一个优化器，传入模型和学习速率，接着调用step（）方法进行调参，在每一个batch-size训练过程中，需将上一个batch-size训练的梯度参数进行清0.利用第一节中的损失函数加入优化器，训练10轮。利用损失函数所获得的梯度对各个神经节点进行调参优化。运用损失函数获得的梯度进行反向传播。🟢为更新输出、调整参数提供依据。首先加载数据集，构建神经网络。🟢计算输出值和目标的差距。交叉熵，训练分类问题时使用，公式如下。输入任意维度，输出相同维度。
2024-05-15 14:21:57
913
原创 神经网络的搭建
💙在第二节模型构建中，可见代码异常啰嗦。这时候就可以采用 Sequential解决。💙根据下式计算padding（填充）参数。💙用tensorboard查看。
2024-05-14 18:05:50
378
2
原创 PyTorch学习笔记二
所有搭建的神经网络都应该以这个为父类，下面是官方给的源代码手动搭建一个神经网络，实现输入×2，重写__init__、forward方法。
2024-05-14 14:36:03
652
1
原创 pandas学习笔记
他是前一篇博文介绍的numpy类似，是一个开源的数据分析和数据处理库，是numpy的扩展，如果把numpy比作一个列表，那么pandas就可以看作字典。可以对数组中不同行不同列进行命名。DataFrame和Series。
2024-05-11 13:02:01
889
1
原创 numpy学习笔记
numpy是python提供的关于矩阵运算的库，在计算机视觉领域离不开这个库，可以让代码的运算量减少很多倍，降低cpu的损耗。
2024-05-10 14:19:03
377
1
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