随笔分类 - 学习
摘要：🔑 Git SSH 推送完整流程总结 SSH 流程的核心是：用本地生成的公钥（Public Key）在 GitHub 注册您的身份，然后 Git 通过加密通道进行通信，无需密码。 序号 阶段 目标 关键语句/位置 1 生成密钥 在本地电脑上创建 SSH 密钥对（公钥 + 私钥）。 ssh-keyg
阅读全文
摘要：学术论文中结果(Results)和结论 (Conclusion)的联系与区别 维度 结果 (Results) 结论 (Conclusion) 联系 结论基于结果。结论必须以结果的客观发现为基础，不能无中生有。 区别 事实呈现，描述“是什么”（What）。 事实的解释和意义提炼，指导“下一步做什么”（
阅读全文
摘要：Latent Dirichlet Allocation (LDA)，中文译作潜在狄利克雷分配，它是主题建模（Topic Modeling）领域最经典和最常用的算法之一。 📊 Latent Dirichlet Allocation (LDA) 算法解析 1. 核心目标：发现文本中的“隐藏主题” LD
阅读全文
摘要：在许多国家的医疗体系中，医疗服务会根据其复杂程度、专业深度和资源需求，被划分为不同的级别或层级。 🏥 三级医疗服务体系 (Three Tiers of Care) 层级 英文名称 核心特征 典型场所 (Settings) 初级护理 Primary Care 基本、基础、持续的护理。 它是患者接触医
阅读全文
摘要：Scoping Review（范围综述）的定义与作用 Scoping Review（中文译作范围综述或划界综述）是一种系统性的文献回顾方法，它与传统的Systematic Review（系统综述）有所不同，主要目的是： 1. 定义： 范围综述是一种旨在系统地、快速地描绘某一主题的现有证据范围和性质的
阅读全文
摘要：#onehot 文本分类 #平均池化及坍缩的恢复，很难理解啊 import numpy as np from torch.utils.data import Dataset, DataLoader # 定义read_data函数,读数据 def read_data(path): with open(
阅读全文
摘要：移除不兼容的pytorch版本 运行代码时报错 这个错误表明正在使用的 PyTorch 版本过旧，它不支持 torch.utils.data.DataLoader 的 persistent_workers 参数或属性。 卸载旧版 pip uninstall torch torchvision tor
阅读全文
摘要：将代码解耦并使用 import 语句导入您自己的模块（例如 import nn_core）时，Python 就会创建这个 __pycache__ 文件夹。 __pycache__ 是什么？ __pycache__ 文件夹是 Python 解释器在运行模块代码时自动创建的，用于存放模块的字节码缓存文件
阅读全文
摘要：将前文的代码解耦为三个部分： 定义的类和函数的nn_core.py 模型训练和测试集验证并保存最优模型的main_train.py 验收 (自定义图片预测)的脚本predict.py 至此，手写数字识别的NLP任务完全结束，至于更多的优化目前我不准备做了。 下面是源码： nn_core.py # 更
阅读全文
摘要：# # 10_11验收手写数字识别 # # 在解耦和验收测试集图片和标签处理上仍有较大优化空间 # 导入相关库 import numpy as np import os import struct import pickle import cv2 # 定义导入函数 def load_images(p
阅读全文
摘要：# 优化： # 导入Pickle模块，用于保存和加载数据 # He 初始化，修改linear和Conv2D初始化权重初始化方式,准确率大幅提升 # 增加学习率策略，对这个策略再做优化，准确率应该还能提升 # 保存最优模型参数 # 导入必要的库 import numpy as np import os
阅读全文
摘要：# 优化： # 新建Model类，将神经网络的结构定义、训练流程（前向/后向）和预测逻辑统一封装起来 # 何将权重更新的职责从网络层（Linear）中分离出来，交给优化器（SGD）来完成 # 使用动量梯度下降优化算法（MSGD） # 增加了Adam优化算法 # 增加了Optimizer类，优化器的父
阅读全文
摘要：您好，np.random.seed(1000) 这行代码的意思是：设置 NumPy 伪随机数生成器的种子（Seed）。 它的核心作用是确保您代码中的随机性是可复现的（Reproducible）。 💡 为什么需要设置 Seed？ 在深度学习中，很多操作都涉及随机性： 权重初始化： np.random
阅读全文
摘要：# 优化： # 增加父类Module，输出每层信息 # 增加ReLU类，Tanh类 # 增加Dropout类，随机失活，防止过拟合，提高泛化能力 # 增加Parameter类，保存权重和梯度 # 导入必要的库 import numpy as np import os import struct #
阅读全文
摘要：Momentum Gradient Descent（动量梯度下降）是标准梯度下降（SGD）的一个重要改进版，旨在加速训练过程，并帮助模型更有效地找到最优解。 你可以将动量（Momentum）想象成物理学中的惯性。 动量梯度下降（Momentum GD）的核心思想 标准 SGD 的问题： 标准的 SG
阅读全文
摘要：抽象化编程（Abstraction in Programming）是面向对象编程（OOP）中一个非常重要的设计原则，它与我们前面讨论的封装、继承、多态紧密相关。 抽象化编程的含义 核心思想： 关注于做什么（What），而不是如何做（How）。 抽象化意味着隐藏对象的复杂实现细节，只向用户暴露必要的功
阅读全文
摘要：优化器（Optimizer）是深度学习和机器学习中最核心的组件之一。 简单来说，优化器的作用就是指导模型如何学习。它决定了在反向传播计算出梯度（模型应该朝哪个方向调整）之后，模型应该以多大的“步伐”和什么样的方式来实际更新它的权重和偏置。 你可以把优化器看作是一个驾驶员，而梯度（Loss 对权重的导
阅读全文
摘要：Dropout（丢弃法）是一种在神经网络训练中广泛使用的正则化（Regularization）技术。它的主要作用是防止模型在训练集上过拟合（Overfitting），从而提高模型在未见过数据（测试集）上的泛化能力。 Dropout 类的作用和工作原理 如果你要在你的面向对象的神经网络框架中实现一个
阅读全文
摘要：np.random.rand 是 NumPy 库中一个常用的函数，用于创建包含随机数（浮点数）的数组。 np.random.rand 详解 1. 核心功能 np.random.rand 生成的随机数服从**[0.0, 1.0) 范围内的均匀分布（Uniform Distribution）**。 均匀
阅读全文
摘要：# 继承 class F: def __init__(self): self.info = "hello Father" def fun1(self): return self.info class S(F): pass f = F() s = S() print(f.fun1()) # hello
阅读全文
浙公网安备 33010602011771号