摘要：循环神经网络(RNN) 问题描述： 利用循环神经网络，实现唐诗生成任务。 数据集: 唐诗 题目要求： 1.补全程序，主要是前面的3个空和 生成诗歌的一段代码。(tensorflow) [pytorCH 需要补全 对应的 rnn.py 文件中的两处代码]（pytorch 和 tensorflow 两个 阅读全文

摘要：邱老师出题为填空题，填空比较容易完成。 做完之后，需要通读源代码。 每一个函数、每一行代码，都不应有存疑之处，将来才可以根据这个例子做自己的CNN。 程序结构： 加完整注释的源代码： # https://www.cnblogs.com/douzujun/p/13454960.html import 阅读全文

摘要：补齐 self.conv1 中 nn.Conv2d( ) 和 self.conv2( ) 的参数 nn.Conv2d( # ??? # patch 7 * 7 ; 1 in channels ; 32 out channels ; ; stride is 1 # padding style is s 阅读全文

摘要：卷积神经网络(CNN) 问题描述： 利用卷积神经网络，实现对MNIST 数据集的分类问题。 数据集: MNIST数据集包括60000张训练图片和10000张测试图片。图片样本的数量已经足够训练一个很复杂的模型（例如 CNN的深层神经网络）。它经常被用来作为一个新 的模式识别模型的测试用例。而且它也是 阅读全文

摘要：题目介绍，见：神经网络与深度学习（邱锡鹏）编程练习4 FNN 反向传播 梯度下降 numpy - HBU_DAVID - 博客园 (cnblogs.com) 用框架，省时省力。 numpy实现：紧扣理论，推导公式，实现公式。计算机相关专业必须掌握底层理论。 pytorch实现：框架降低了DL编程门槛 阅读全文

摘要：题目介绍：【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题 编程验证 - HBU_DAVID - 博客园 (cnblogs.com) 本次实验，使用numpy实现 1 正向传播 神经网络与深度学习（邱锡鹏）编程练习4 FNN 正向传播 numpy - HBU_DAVID - 阅读全文

摘要：import numpy as np import torch import torch.nn as nn def cross_entropy_error(y, t): delta = 1e-7 # 添加一个微小值可以防止负无限大(np.log(0))的发生。 return -np.sum(t * 阅读全文

摘要：import numpy as np import torch.nn as nn import torch # https://blog.csdn.net/QLBFA/article/details/107536486 def cross_entropy_error(y, t): delta = 1 阅读全文

摘要：import numpy as np import torch def mean_squared_error(y, pred): return 0.5 * np.sum((y-pred)**2) # numpy y = [1., 2] pred = [6., 7] print(mean_square 阅读全文

摘要：NN模型： ref：【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题 【第三版】 - HBU_DAVID - 博客园 (cnblogs.com) 实验目标： 理解正向传播过程，熟悉pytorch编程。 初始值： w1, w2, w3, w4, w5, w6, w7, w8 = 阅读全文

摘要：NN模型： ref：【人工智能导论：模型与算法】MOOC 8.3 误差后向传播(BP) 例题 【第三版】 - HBU_DAVID - 博客园 (cnblogs.com) 实验目标： 理解正向传播过程，熟悉numpy编程。 初始值： w1, w2, w3, w4, w5, w6, w7, w8 = 0 阅读全文

摘要：ref：深度学习入门：基于Python的理论与实现 (ituring.com.cn) try: import urllib.request except ImportError: raise ImportError('You should use Python 3.x') import numpy 阅读全文

摘要：https://blog.csdn.net/bit452/article/details/109686936 import torch from torchvision import transforms from torchvision import datasets from torch.uti 阅读全文

摘要：GitHub - nndl/nndl-exercise-ans: Solutions for nndl/exercise 准备数据 import os import numpy as np import tensorflow as tf from tensorflow import keras fr 阅读全文

摘要：GitHub - nndl/nndl-exercise-ans: Solutions for nndl/exercise 答案中，x的定义需要前置。否则会提示x未定义。 可能是Python、tf版本不同吧。 相信原有答案实验测试没问题。两年过去了，有些小问题需要微调。 准备数据 https://gi 阅读全文

摘要：1. 全连接神经网络 问题描述： 利用numpy 和tensorflow 、pytorch 搭建全连接神经网络。 使用numpy 实现此练习需要自己手动求导， tensorflow 和pytorch 具有自动求导机制。 数据集: MNIST数据集包括60000张训练图片和10000张测试图片。 图片 阅读全文

摘要：Logistic回归 查看代码 import tensorflow as tf import matplotlib.pyplot as plt from matplotlib import animation, rc from IPython.display import HTML import m 阅读全文

摘要：生成数据的时候，把数值类型float64改为改为float32 Softmax Regression Example 生成数据集， 看明白即可无需填写代码 '+' 从高斯分布采样 (X, Y) ~ N(3, 6, 1, 1, 0). 'o' 从高斯分布采样 (X, Y) ~ N(6, 3, 1, 1 阅读全文

摘要：修改了两个地方： 生成数据的时候，把数值类型float64改为改为float32 去掉了两个@tf.function Logistic Regression Example 生成数据集， 看明白即可，无需填写代码 '+' 从高斯分布采样 (X, Y) ~ N(3, 6, 1, 1, 0) 'o' 从 阅读全文

摘要：设计基函数(basis function) 以及数据读取 import numpy as np import matplotlib.pyplot as plt def identity_basis(x): ret = np.expand_dims(x, axis=1) return ret def 阅读全文