随笔分类 - Python
Python
摘要：前言 有好几个月没搞神经网络代码了，期间也就是回顾了两边之前的文字。 不料，对nn，cnn的理解反而更深入了-_-！。 修改 《零基础学习人工智能—Python—Pytorch学习（四）》，关于Linear的理解是错误的，已修改。 RNN RNN是Recurrent Neural Network的缩
阅读全文
摘要：前言 最近学习了一新概念，叫科学发现和科技发明，科学发现是高于科技发明的，而这个说法我觉得还是挺有道理的，我们总说中国的科技不如欧美，但我们实际感觉上，不论建筑，硬件还是软件，理论，我们都已经高于欧美了，那为什么还说我们不如欧美呢？ 科学发现是高于科技发明就很好的解释了这个问题，即，我们的在线支付，
阅读全文
摘要：前言 本文介绍使用神经网络进行实战。 使用的代码是《零基础学习人工智能—Python—Pytorch学习（九）》里的代码。 代码实现 mudule定义 首先我们自定义一个module，创建一个torch_test17_Model.py文件(这个module要单独用个py文件定义)，如下： impor
阅读全文
摘要：前言 本文主要介绍tensorboard的使用。 tensorboard是一个可视化的，支持人工智能学习的一个工具。 tensorboard的官方地址：https://www.tensorflow.org/tensorboard 本文内容来自视频教程16课，个人感觉对于tensorboard讲的非常
阅读全文
摘要：前言 本文的内容是来自教程视频的第十五集，个人感觉，这个教程是有点虎头蛇尾，就是前面开始的教程，是非常惊人的好，但到这里，就有点水了，可以说就是把代码一铺，然后简单介绍一遍，很多细节都没有讲，所以，我在学习的时候，也是没办法从视频中直接学习，要先自学了代码后，再看的视频教程。 概念 前面已经解释了神
阅读全文
摘要：前言 本文主要介绍卷积神经网络的使用的下半部分。 另外，上篇文章增加了一点代码注释，主要是解释（w-f+2p）/s+1这个公式的使用。 所以，要是这篇文章的代码看不太懂，可以翻一下上篇文章。 【重要】我在回头重看这系列时，发现很多地方写的不好，所以做了修改，其中主要是《零基础学习人工智能—Pytho
阅读全文
摘要：前言 本文介绍卷积神经网络的上半部分。 其实，学习还是需要老师的，因为我自己写文章的时候，就会想当然，比如下面的滑动窗口，我就会想当然的认为所有人都能理解，而实际上，我们在学习的过程中之所以卡顿的点多，就是因为学习资源中想当然的地方太多了。 概念 卷积神经网络，简称CNN， 即Convolution
阅读全文
摘要：前言 本文主要讲神经网络的下半部分。 其实就是结合之前学习的全部内容，进行一次神经网络的训练。 神经网络 下面是使用MNIST数据集进行的手写数字识别的神经网络训练和使用。 MNIST 数据集，是一个常用的手写数字识别数据集。MNIST 数据集包含 60,000 张 28x28 像素的灰度训练图像和
阅读全文
摘要：前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情
阅读全文
摘要：前言 上文有一些文字打错了，已经进行了修正。 本文主要介绍训练模型和使用模型预测数据，本文使用了一些numpy与tensor的转换，忘记的可以结合第一篇文章一起看。 线性回归模型训练 结合numpy使用 首先使用datasets做一个数据X和y，然后结合之前的内容，求出y_predicted。 #
阅读全文
摘要：前言 接续上一篇的optimizer的学习。 optimizer 代码和上一篇文章的一样，如下: import torch import numpy as np import torch.nn as nn X = torch.tensor([1, 2, 3, 4], dtype=torch.floa
阅读全文
浙公网安备 33010602011771号