摘要：
本人的操作： 1. cd ~/.ssh 2. eval `ssh-agent` 3. ssh-add your_public_key_name；执行成功后返回：Identity added: your_public_key_name 参考: https://blog.csdn.net/Dior_wj 阅读全文
posted @ 2024-11-28 10:59
johnny_zhao
阅读(182)
评论(0)
推荐(0)
摘要：
h = x @ W1 # x:(N,3) W1:(3,4) h:(N,4) a = tanh(h) # a:(N,4) y = a @ W2 # W2:(4,2) y:(N,2) loss = ... # 假设 dy 已知,形状 (N,2) 试着推出：dW1, da, dh, dW2: dy: sh 阅读全文
posted @ 2026-07-19 10:57
johnny_zhao
阅读(7)
评论(0)
推荐(0)
摘要：
1. 看这行是什么运算(@ / 逐元素 / 广播 / 索引) 2. 接住上游梯度(比如 dhpreact) 3. 按对应规则算局部梯度: @ → 转置相乘,用形状凑 逐元素 → 逐元素乘局部导数 广播 → 算完再 sum 回原形状 分叉/复用 → 多路梯度 相加 4. 检查:算出的梯度形状 == 原 阅读全文
posted @ 2026-07-16 13:30
johnny_zhao
阅读(4)
评论(0)
推荐(0)
摘要：
前向局部导数反向写法 b = a² 2a da = 2*a * db b = 1/a -1/a² da = -1/a**2 * db b = tanh(a) 1 - b² da = (1 - b**2) * db b = exp(a) exp(a) = b da = b * db b = log(a 阅读全文
posted @ 2026-07-16 13:08
johnny_zhao
阅读(7)
评论(0)
推荐(0)
摘要：
""" 前向传播 """ #定义这些值，逐步求出最终的L a=2.0 print("a:",a) b=-3.0 print("b:",b) c=10.0 print("c:",c) f=-2.0 e=a*b print("e:",e) d=e+c print("d:",d) L=d*f print( 阅读全文
posted @ 2026-06-19 10:51
johnny_zhao
阅读(8)
评论(0)
推荐(0)
摘要：
在 PyTorch 中，统计学相关函数主要集中在 张量统计（descriptive statistics）、概率分布（probability distributions）、归一化统计量（normalization statistics） 和 评估指标计算 等方面。这些函数不仅用于数据分析，也广泛用于 阅读全文
posted @ 2026-06-15 11:43
johnny_zhao
阅读(18)
评论(0)
推荐(0)
摘要：
PyTorch 的核心设计之一，就是把计算图（Computation Graph）和自动求导（Autograd）深度绑定在一起。 很多教程只讲： x = torch.tensor(2.0, requires_grad=True) y = x ** 2 y.backward() print(x.gra 阅读全文
posted @ 2026-06-13 14:37
johnny_zhao
阅读(41)
评论(0)
推荐(0)
摘要：
使用google colab平台 1. 安装ultralytics !pip install ultralytics 2. 导入yolo并从ultralytics加载yolov10n.pt from ultralytics import YOLO model = YOLO("https://gith 阅读全文
posted @ 2025-09-25 22:10
johnny_zhao
阅读(32)
评论(0)
推荐(0)
摘要：
ESP32、STM32是两种不同的微控制器（MCU），而ROS 2是一个机器人操作系统，ESP32侧重于集成Wi-Fi和蓝牙的物联网应用，STM32擅长高性能工业和汽车控制，而ROS 2则是一个运行在这些硬件上的软件框架，用于开发复杂的机器人系统。 ESP32 简介 主要特点：:集成了Wi-Fi和蓝 阅读全文
posted @ 2025-09-22 14:39
johnny_zhao
阅读(332)
评论(0)
推荐(0)
摘要：
一、在VSCode中正确选择Python解释器 打开命令面板: Cmd + Shift + P (macOS) 输入: Python: Select Interpreter 选择你的tflite_convert环境，应该显示类似： ~/miniconda3/envs/tflite_convert/b 阅读全文
posted @ 2025-08-27 09:56
johnny_zhao
阅读(153)
评论(0)
推荐(0)
摘要：
一、流程说明 最简单的神经网络是 y=g(wx+b), g为激活函数，x为输入的一个参数；为了找到一组w和b来与真实数据拟好得更好，我们定义: 损失函数, 并且制定让损失函数最小化这个目标，来计算w和b的值。 我们发现简单的线性回归问题，可以直接让损失函数的导数等于零，一步就求到w和b，但神经网络的 阅读全文
posted @ 2025-07-23 11:19
johnny_zhao
阅读(104)
评论(0)
推荐(0)
浙公网安备 33010602011771号