摘要：
论文信息 论文标题：Structural Deep Clustering Network论文作者：Junyuan Xie, Ross Girshick, Ali Farhadi论文来源：2020, WWW论文地址：download 论文代码：download 1 Introduction 深度聚类同 阅读全文
posted @ 2021-12-25 14:54
别关注我了，私信我吧
阅读(2679)
评论(0)
推荐(0)
摘要：
1 导入实验需要的包 import torch import torch.nn as nn import torch.nn.functional import torch.optim as optim import torch.utils.data.dataloader as dataloader 阅读全文
posted @ 2021-12-21 22:33
别关注我了，私信我吧
阅读(180)
评论(0)
推荐(0)
摘要：
提出思路 自编码器最初提出是基于降维的思想，但是当隐层节点比输入节点多时，自编码器就会失去自动学习样本特征的能力，此时就需要对隐层节点进行一定的约束，与降噪自编码器的出发点一样，高维而稀疏的表达是好的，因此提出对隐层节点进行一些稀疏性的限值。稀疏自编码器就是在传统自编码器的基础上通过增加一些稀疏性约 阅读全文
posted @ 2021-12-21 22:06
别关注我了，私信我吧
阅读(376)
评论(0)
推荐(0)
摘要：
参考文档 自编码器及相关变种算法简介 四种类型自编码器AutoEncoders理解及代码实现 堆栈自编码器 Part1 加载项目需要的包 import torch from torch import nn, optim, functional, utils import torchvision fr 阅读全文
posted @ 2021-12-21 21:01
别关注我了，私信我吧
阅读(318)
评论(0)
推荐(0)
摘要：
#导入实验需要的包 import torch import torch.nn as nn import torch.utils.data as Data import torchvision import matplotlib.pyplot as plt from mpl_toolkits.mplo 阅读全文
posted @ 2021-12-21 15:04
别关注我了，私信我吧
阅读(104)
评论(0)
推荐(0)
摘要：
函数简介 torch.autograd.Variable是Autograd的核心类，它封装了Tensor，并整合了反向传播的相关实现(tensor变成variable之后才能进行反向传播求梯度?用变量.backward()进行反向传播之后,var.grad中保存了var的梯度) x = Variab 阅读全文
posted @ 2021-12-20 09:50
别关注我了，私信我吧
阅读(207)
评论(0)
推荐(0)
摘要：
前言 dataloader 本质是一个可迭代对象，使用 iter() 访问，不能使用 next() 访问； 使用 iter(dataloader) 返回的是一个迭代器，然后可以使用 next 访问； 也可以使用 `for inputs, labels in dataloaders` 进行可迭代对象的 阅读全文
posted @ 2021-12-20 09:17
别关注我了，私信我吧
阅读(233)
评论(0)
推荐(0)
摘要：
1 import torch from torch import nn,optim from torch.autograd import Variable from torchvision import transforms,datasets from torch.utils.data import 阅读全文
posted @ 2021-12-19 20:06
别关注我了，私信我吧
阅读(61)
评论(0)
推荐(0)
摘要：
计算过程参考：《机器学习——主成分分析（PCA）》 代码： X = np.array([[-1, -2], [-1, 0], [0, 0], [2, 1], [0, 1]]) print(X) def PCA(X,n): #转置 X = np.transpose(X) #求特征的均值 X_mean 阅读全文
posted @ 2021-12-18 22:21
别关注我了，私信我吧
阅读(86)
评论(0)
推荐(0)
摘要：
结论 >>> a = np.array([[1, 2], [3, 4]]) >>> np.mean(a) # 将上面二维矩阵的每个元素相加除以元素个数（求平均数） 2.5 >>> np.mean(a, axis=0) # axis=0，计算每一列的均值 array([ 2., 3.]) >>> np 阅读全文
posted @ 2021-12-18 21:13
别关注我了，私信我吧
阅读(127)
评论(0)
推荐(0)
浙公网安备 33010602011771号