08 2019 档案

LeetCode--064--最小路径和
摘要：给定一个包含非负整数的 m x n 网格，请找出一条从左上角到右下角的路径，使得路径上的数字总和为最小。 说明：每次只能向下或者向右移动一步。 示例: 输入:[ [1,3,1], [1,5,1], [4,2,1]]输出: 7解释: 因为路径 1→3→1→1→1 的总和最小。 思路：dp思想，为每个点 阅读全文
posted @ 2019-08-30 19:53 Assange 阅读(158) 评论(0) 推荐(0)
LeetCode--062--不同路径(python)
摘要：一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为“Start” ）。 机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为“Finish”）。 问总共有多少条不同的路径？ 例如，上图是一个7 x 3 的网格。有多少可能的路径？ 说明：m 和 n 的值均不 阅读全文
posted @ 2019-08-29 14:01 Assange 阅读(266) 评论(0) 推荐(0)
LeetCode--059--螺旋矩阵 II（python）
摘要：效率超级低，但是能过。。。。 阅读全文
posted @ 2019-08-28 21:54 Assange 阅读(273) 评论(0) 推荐(0)
Task7.手写数字识别
摘要：用PyTorch完成手写数字识别 阅读全文
posted @ 2019-08-20 23:49 Assange 阅读(235) 评论(0) 推荐(0)
Task6.PyTorch理解更多神经网络优化方法
摘要：1.了解不同优化器 2.书写优化器代码3.Momentum4.二维优化，随机梯度下降法进行优化实现5.Ada自适应梯度调节法6.RMSProp7.Adam8.PyTorch种优化器选择 梯度下降法： 1.标准梯度下降法：GD每个样本都下降一次，参考当前位置的最陡方向迈进容易得到局部最优，且训练速度慢 阅读全文
posted @ 2019-08-18 19:11 Assange 阅读(255) 评论(0) 推荐(0)
Task5.PyTorch实现L1，L2正则化以及Dropout
摘要：1.了解知道Dropout原理 深度学习网路中，参数多，可能出现过拟合及费时问题。为了解决这一问题，通过实验，在2012年，Hinton在其论文《Improving neural networks by preventing co-adaptation of feature detectors》中提 阅读全文
posted @ 2019-08-15 21:49 Assange 阅读(2779) 评论(0) 推荐(0)
Task4.用PyTorch实现多层网络
摘要：1.引入模块，读取数据 2.构建计算图（构建网络模型） 3.损失函数与优化器 4.开始训练模型 5.对训练的模型预测结果进行评估 这里说明一下，这个dataset不是自带的，需要大家自己去下载，我找的时候费了不少功夫，这里提供一个网址给大家下载https://github.com/LianHaiMi 阅读全文
posted @ 2019-08-13 20:29 Assange 阅读(374) 评论(0) 推荐(0)
Task3.PyTorch实现Logistic regression
摘要：1.PyTorch基础实现代码 2.用PyTorch类实现Logistic regression,torch.nn.module写网络结构 参考：https://blog.csdn.net/ZZQsAI/article/details/90216593 阅读全文
posted @ 2019-08-11 21:14 Assange 阅读(593) 评论(0) 推荐(0)
Task2.设立计算图并自动计算
摘要：1.numpy和pytorch实现梯度下降法 torch 2.设定初始值 神经网络的权重初始化方法对模型的收敛速度和性能有着至关重要的影响。主要有四种权重初始化方法： 把w初始化为0 在线性回归，logistics回归中，基本上把参数初始化为0，模型也能很好的工作。但是在神经网络中，这种方法是不可行 阅读全文
posted @ 2019-08-09 18:03 Assange 阅读(275) 评论(0) 推荐(0)
Task1.PyTorch的基本概念
摘要：1.什么是Pytorch，为什么选择Pytroch？ PyTorch的前身便是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口。是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网 阅读全文
posted @ 2019-08-07 19:49 Assange 阅读(557) 评论(0) 推荐(0)