祥瑞哈哈哈

2021年7月27日

摘要： DataFrame.iloc选择DataFrame数据结构的行和列。 DataFrame.iloc[0:2,0:3]; 表示该数据结构0:2，0-2行；表示该数据结构0:3,0-3列；因此读取数据结构的0-2行已经0-3列。通过该函数对数据进行切片。python3的切片方法不适用于datafr 阅读全文

posted @ 2021-07-27 19:32 祥瑞哈哈哈阅读(440) 评论(0) 推荐(0)

pandas.read_csv的返回值

摘要：该函数返回一个表格型的数据结构，有行索引和列索引。用printf可以将返回值内容全部输出。除了最左边的列，其余的列均是从csv文档里读取。阅读全文

posted @ 2021-07-27 19:17 祥瑞哈哈哈阅读(2291) 评论(0) 推荐(0)

anaconda安装pandas

摘要：首先打开Anaconda promt输入代码activate 环境名//确定要接收包的环境。接下来输入conda install pandas 阅读全文

posted @ 2021-07-27 19:04 祥瑞哈哈哈阅读(3067) 评论(0) 推荐(0)

2021年7月26日

matlab

摘要： axis equal;保证横纵坐标轴单位刻度比相同。阅读全文

posted @ 2021-07-26 23:03 祥瑞哈哈哈阅读(31) 评论(0) 推荐(0)

一句话讲明梯度衰减和爆炸

摘要：当神经网络层数较多时，模型的数值稳定性就容易变差。假设输出o=XW1W2W3W4W5W6W7。假设激活函数为恒等函数不考虑bias，对W1求导，就是W2W3W4W5W6W7,如果这5个权值较大导致梯度爆炸，否则梯度衰减。阅读全文

posted @ 2021-07-26 20:33 祥瑞哈哈哈阅读(120) 评论(0) 推荐(0)

正向传播和反向传播的关系

摘要：正向传播按输入层到输出层的顺序依次计算，并将计算所得中间变量进行存储，这是导致神经网络需要较大内存的原因。方向传播从输出层到输入层顺序依次计算，利用了链式法则。所求梯度与中间变量当前值有关，这就是为什么需要保持中间变量的原因。阅读全文

posted @ 2021-07-26 20:26 祥瑞哈哈哈阅读(254) 评论(0) 推荐(0)

torch.optim.SGD

摘要： torch.optim.SGD返回一个优化器类。 sgd=torch.optim.SGD(paramater,lr=0.5); lr表示学习率，paramater表示参数。 sgd.zero_grad()清除各点的梯度 sgd.step()进行一次优化阅读全文

posted @ 2021-07-26 19:38 祥瑞哈哈哈阅读(1300) 评论(0) 推荐(0)

pytorch nn.init.normal_

摘要： torch.nn.init.normal_(tensor,mean=0,std=1) 可以给一个变量初始化。 mean是正态分布的均值，std是正态分布的标准差。阅读全文

posted @ 2021-07-26 19:24 祥瑞哈哈哈阅读(1072) 评论(0) 推荐(0)

pytorch nn.Sequential

摘要： nn.Sequential是一个容器，用于按顺序放入神经网络的各个结构。看一下构造函数，他会把每个模型放入列表中。在前向传播中通过循环调用每个部分。阅读全文

posted @ 2021-07-26 19:17 祥瑞哈哈哈阅读(97) 评论(0) 推荐(0)

pytorch简单实现dropout

摘要： def dropout(X,drop_prob):X=X.float()//将张量变成浮点数张量 assert 0<=drop_prob<=1//drop_prob不满足0-1则终止程序 keep_prob=1-drop_prob//对未丢弃的函数进行拉伸 if keep_prob==0: retu 阅读全文

posted @ 2021-07-26 15:45 祥瑞哈哈哈阅读(693) 评论(0) 推荐(0)

公告