摘要：
1.Himmelblau函数 Himmelblau函数： F(x,y)=(x²+y-11)²+(x+y²-7)²：具体优化的是，寻找一个最合适的坐标(x,y)使得F(x,y)的值最小。 函数的具体图像，如下图所示： 实现代码 import numpy as np from matplotlib im 阅读全文
摘要：
1.单层感知机 单层感知机的主要步骤： 1.对数据进行一个权重的累加求和，求得∑ 2.将∑经过一个激活函数Sigmoid，得出值O 3.再将O，经过一个损失函数mse_loss，得出值loss 4.根据loss，以及前边所求得的值，求得loss对各个w的偏导数 5.更新w值 # 单层感知机梯度的推导 阅读全文
摘要：
1.激活函数 激活函数的作用是能够给神经网络加入一些非线性因素，使得神经网络可以更好地解决较为复杂的问题。因为很多问题都不是线性的，你只有给它加入一些非线性因素，就能够让问题更好的解决。 函数1：RELU()： 优点： 1.相比起Sigmoid和tanh，在SGD中能够快速收敛。 2.有效缓解了梯度 阅读全文
摘要：
1.矩阵的分割 方法：split(分割长度,所分割的维度)，split([分割所占的百分比],所分割的维度) a=torch.rand(32,8) aa,bb=a.split(16,dim=0) print(aa.shape) print(bb.shape) cc,dd=a.split([20,12 阅读全文
摘要：
1.矩阵的转置 方法：t() a=torch.randint(1,10,[2,3]) print(a,'\n') print(a.t()) 输出结果 tensor([[2, 8, 2], [9, 2, 4]]) tensor([[2, 9], [8, 2], [2, 4]]) transpose(维 阅读全文
摘要：
数据本身不发生改变，数据的访问方式发生了改变 1.维度的扩展 函数：unsqueeze() # a是一个4维的 a = torch.randn(4, 3, 28, 28) print('a.shape\n', a.shape) print('\n维度扩展（变成5维的）：') print('第0维前加 阅读全文
摘要：
1.基本概念 标量：就是一个数，是0维的，只有大小，没有方向 向量：是1*n的一列数，是1维的，有大小，也有方向 张量：是n*n的一堆数，是2维的，n个向量合并而成 2.a.size(),a.shape(),a.numel(),a.dim()的区别 a.size()：输出a的某一维度中元素的个数，若 阅读全文
摘要：
线性回归简析 我理解的线性回归就是，比较简单的一维的线性回归，所要求解的方程就是ｙ＝ｗｘ＋ｂ 你要做的就是不断的学习数据集，不断的更新w和b，让损失函数越小越好。 损失函数便是你程序求得的结果和标准结果之间的误差，损失函数具体公式如下： w值梯度下降公式：w'=w-学习速率*斜率 b值梯度下降公式： 阅读全文
摘要：
自我介绍： // introduce yourself Good morning, dear professors, very glad to be here. My name is XXX, 23 years old, come from LinYi, ShanDong province. I 阅读全文
摘要：
C复试专业基础测试整理 运行C程序的步骤和方法 编辑、编译、连接和运行 。 + 编辑是用户把编写好的C语言源程序输入计算机，以文本文件的形式存放在磁盘上。其标识为：“文件名.c”。 + 编译是把C语言源程序翻译成用二进制指令表示的目标文件。编译过程由C编译系统提供的编译程序完成。 其标识为：“文件名 阅读全文