- 博客(9)
- 收藏
- 关注
原创 第6-7节.特征提取和无监督学习|自然语言处理与bert
模型提取特征由深度学习的模型来决定,比如提取小球的尺寸、形状、颜色等,作为不同的类别和标签#关注模型的训练,是要关注梯度从何而来,回归任务的梯度来源于预测值和真实值之间的差距,差距越大、LOSS就越大,梯度也越大;分类模型中,分类来源于2个分布的交叉熵损失,分布相差越多,交叉熵损失越大,梯度也越大。
2026-04-14 12:45:50
208
原创 第5节图像分类实战,半监督
使用PyTorch进行图像分类任务。主要内容包括:1) 安装cv2和timm库;2) 设置随机种子保证实验可重复性;3) 实现数据增强和迁移学习策略;4) 构建自定义数据集类和CNN模型;5) 训练验证流程设计,包含半监督学习机制。通过VGG预训练模型进行迁移学习,使用AdamW优化器和交叉熵损失函数,在food-1数据集上实现了图像分类任务。代码实现了数据加载、模型训练、验证及结果可视化功能,特别处理了半监督学习场景下的数据标注问题。实验记录了训练过程中的损失和准确率变化,并保存最佳
2026-04-02 19:33:22
36
原创 第4节.分类任务
机器学习中的分类问题与卷积神经网络(CNN)的核心概念。分类问题需通过独热编码输出类别概率分布,采用交叉熵损失衡量预测误差。重点解析了CNN的工作原理:卷积核通过局部特征提取生成新特征图,其尺寸受输入大小、padding和卷积核尺寸影响;通过池化(最大池化为主)实现降维;最终通过全连接层输出分类结果。还探讨了Softmax函数和交叉熵损失的应用,并指出训练需要大量标注数据(如MNIST、COCO等数据集)。最后简要提及CNN的发展历史,强调硬件进步对模型性能提升的关键作用。
2026-03-30 22:24:55
360
原创 第3节.回归实战
介绍了神经网络深度学习项目的基本框架,重点阐述了数据处理、模型构建、超参设置和训练流程四个核心环节。项目采用李宏毅老师的Kaggle数据集,包含2000多组90维特征数据,使用独热编码处理分类变量。训练过程强调合理划分训练集、验证集和测试集(8:2比例),并详细说明了batch训练的重要性。文章还提供了代码实现要点,包括必要的库导入、数据加载器使用和模型结构设计注意事项(维度匹配等)。通过epoch循环控制训练过程,旨在帮助初学者掌握深度学习项目的基本流程和关键环节。
2026-03-27 18:59:29
404
原创 第2节b.线性表示代码带写
一个使用PyTorch实现线性回归模型的完整流程。通过模拟恋爱次数与外貌、性格、财富、内涵4个因素的关系(y=wx+b),首先生成500个带噪声的模拟数据。然后定义了数据加载函数,实现随机批量采样。核心部分包括:1)模型预测函数;2)MAE损失函数;3)SGD参数更新方法。整个过程展示了从数据生成、模型定义到训练准备的全套实现,为后续模型训练打下基础。调试方法也得到重点说明,包括断点设置和变量监控技巧。该示例为理解线性回归和PyTorch基础操作提供了实践参考。
2026-03-14 21:27:38
43
原创 第2节a. 最全够用的python基础语法(小白版)
一些适用于Python小白的基础语法,可以收藏作为自己的编程字典来查找。最全、够PyTorch用
2026-02-13 20:45:00
446
原创 00-Conda\PyTorch\PyCharm深度学习环境安装
面对不同的项目工程,我们需要不同的python、pytorch、sklearn的版本来搭配使用,也存在不同的模型在不同版本时期诞生和使用,如学习A模型用到了B版本的PyTorch。anaconda这个软件可以实现不同的环境配置之间的搭配,无需在电脑上同时安装多个版本的软件,即可实现不同版本环境的使用。#有时候配置环境会浪费我们一个周的时间,所以如果碰巧安装+环境配置好了,作为一个重要的基础步骤,必须记下来防止下次换电脑忘记了。(我当初自己配环境配了快一个星期!有需要的可以在这个链接里自取。
2026-02-08 17:25:55
200
原创 第1节多层神经网络
Fully Connected Network:全连接网络、又称多层感知机,上一层的结点每一个都和下一层的每一个结点都相连,即:每一个x和每一个r都行相连、每一个r和每一个z都相连。深度有几层(深度)?加深层数是多进行一个层的计算,但是单纯的线性的加深没有意义,就和人体的神经元一样,一根和多根没有实际效果上的区别。接收刺激有阈值范围,神经元也有自己的“激活”,叫激活函数。
2026-02-01 21:39:14
634
原创 第0节机器学习与深度学习
第0节课程笔记,机器学习与深度学习介绍机器学习:让机器自己学会一种规则,具有数学上的可解释性,但是准确率不是百分之百,不够灵活深度学习:设计一个很深的网络架构让机器自己学,像一个黑匣子、函数f,实践性的项目,可解释性比较差
2026-01-25 22:41:25
654
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
RSS订阅