上一页 1 2 3 4 5 6 7 ··· 33 下一页
摘要: 在机器学习中,常见的任务类型包括: 🔹 1. 分类(Classification) ✅ 定义: 将输入数据分到有限个类别中的一种,输出是离散的标签(如“猫”“狗”或“0/1”)。 ✅ 示例: 判断一封邮件是否是垃圾邮件(是/否) 图像识别中识别数字(0-9) 医疗诊断(健康/患病) ✅ 模型: 逻 阅读全文
posted @ 2025-07-28 09:15 daviyoung 阅读(211) 评论(0) 推荐(0)
摘要: 早停法:防止过拟合,当验证集 loss 多轮不再下降时,提前停止训练。 early_stopping.py class EarlyStopping: def __init__(self, patience=3, min_delta=0): """ 参数: - patience: 忍耐轮数(如果验证集 阅读全文
posted @ 2025-07-25 16:23 daviyoung 阅读(295) 评论(0) 推荐(0)
摘要: 绘制训练/测试的 Loss 和 Accuracy 曲线,直观判断模型训练效果是否良好。 图像解释 Loss 曲线(损失函数) 反映模型在训练和测试过程中的错误程度,越低越好。 Accuracy 曲线(准确率) 反映模型预测正确的比例,越高越好。 你可以从图中看到什么? 1. 是否在收敛? Loss 阅读全文
posted @ 2025-07-25 14:49 daviyoung 阅读(193) 评论(0) 推荐(0)
摘要: 模型: neural_network_model.py from torch import nn # 定义神经网络模型 class NeuralNetwork(nn.Module): def __init__(self): super().__init__() self.flatten = nn.F 阅读全文
posted @ 2025-07-25 10:08 daviyoung 阅读(62) 评论(0) 推荐(0)
摘要: # -*- coding: utf-8 -*- import torch from torch.utils.data import Dataset from torchvision import datasets from torchvision.transforms import ToTensor 阅读全文
posted @ 2025-07-24 16:39 daviyoung 阅读(51) 评论(0) 推荐(0)
摘要: # 定义神经网络模型 class NeuralNetwork(nn.Module): def __init__(self): super().__init__() self.flatten = nn.Flatten() # 将 1x28x28 展平为 784 self.linear_relu_sta 阅读全文
posted @ 2025-07-24 16:38 daviyoung 阅读(15) 评论(0) 推荐(0)
摘要: custom_dataset.py # -*- coding: utf-8 -*- from torch.utils.data import Dataset import os import pandas as pd from torchvision.io import decode_image c 阅读全文
posted @ 2025-07-24 11:58 daviyoung 阅读(32) 评论(0) 推荐(0)
摘要: # -*- coding: utf-8 -*- import torchvision import os import gzip import struct import numpy as np from PIL import Image import pandas as pd torchvisio 阅读全文
posted @ 2025-07-24 11:54 daviyoung 阅读(22) 评论(0) 推荐(0)
摘要: import torch from torch.utils.data import Dataset from torchvision import datasets from torchvision.transforms import ToTensor import matplotlib.pyplo 阅读全文
posted @ 2025-07-24 09:30 daviyoung 阅读(31) 评论(0) 推荐(0)
摘要: ✅ 一、什么是灰度图? 灰度图(grayscale image):指的是只有黑白灰颜色的图像。 每个像素只用一个值表示亮度(0 表示黑,255 表示白,中间是不同程度的灰)。 举例: 彩色图像:每个像素用 RGB 三个通道(红、绿、蓝) 表示。 灰度图像:每个像素只需要一个值。 ✅ 二、什么是单通道 阅读全文
posted @ 2025-07-24 09:29 daviyoung 阅读(116) 评论(0) 推荐(0)
上一页 1 2 3 4 5 6 7 ··· 33 下一页