会员
周边
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
R4y
博客园
首页
新随笔
联系
订阅
管理
上一页
1
2
3
4
下一页
2026年3月24日
【开发】MySQL学习笔记
摘要: 【开发】MySQL学习笔记 DDL(Data Definition Language) 数据库操作 查询 查询所有数据库: SHOW DATABASES; 查询当前数据库: SELECT DATABASE(); 创建 CREATE DATABASE [IF NOT EXISTS] 数据库名 [DEF
阅读全文
posted @ 2026-03-24 21:43 R4y
阅读(8)
评论(0)
推荐(0)
2026年2月7日
【d2l】4.1-2.多层感知机及实现
摘要: 【d2l】4.1-2.多层感知机及实现 多层感知机 隐藏层 此前已经对仿射变换进行了深入的研究,但是仿射变换对应的是线性关系,而线性关系是一种很强的假设 在这样的情况下,线性模型可能会不适用 假设一个猫狗分类的场景,我们需要决定某一个像素对于结果的权重,但是这个像素的强度对于判断为猫/狗的似然很难是
阅读全文
posted @ 2026-02-07 15:36 R4y
阅读(13)
评论(0)
推荐(0)
2026年2月5日
【d2l】3.5-7.softmax回归实现
摘要: 【d2l】3.5-7.softmax回归实现 图像分类数据集 这一部分采用Fashion-MNIST数据集,以衣装为主体,数据是28×28的位图 读取数据集 先用框架内置的函数下载并读取Fashion-MNIST数据集 trans = transforms.ToTensor() # 通过ToTens
阅读全文
posted @ 2026-02-05 18:17 R4y
阅读(6)
评论(0)
推荐(0)
2026年1月30日
【d2l】3.4.softmax回归
摘要: 【d2l】3.4.softmax回归 此前的线性回归解决了“多少”的问题,而现实中的问题不止这种问题 还有一种占比很大的问题:分类问题。一般来讲,在机器学习中,我们使用“软性”分类,即用概率来代表属于某种事物的可能性 分类问题 首先的问题是如何用数学的语言表示分类的结果 独热编码(one-hot e
阅读全文
posted @ 2026-01-30 23:23 R4y
阅读(12)
评论(0)
推荐(0)
【索引】博客入口
摘要: 本页是博客的长期索引入口,用于快速定位不同主题的文章。 内容持续更新,结构尽量保持稳定。 📁 课内梳理 / 笔记整理 【梳理】工科数学分析(上) 【梳理】线性代数与解析几何 【梳理】离散数学 【梳理】微分方程解法 【梳理】曲线积分与曲面积分 📁 深度学习 / 模型与实验 【d2l】2.1.数据操
阅读全文
posted @ 2026-01-30 13:10 R4y
阅读(24)
评论(0)
推荐(0)
2026年1月17日
【项目】手写数字识别的Qt实现
摘要: 【项目】手写数字识别的Qt实现 (logo由豆包生成) 工作流整理 利用Pytorch训练手写数字识别模型 将模型转化为onnx格式,便于OpenCV调用 Qt界面开发 基本功能测试:包含手写板、检测与清除按钮、预测与置信度输出 完整界面化:菜单,多元功能 创新功能 多模态交互:语音/手势辅助、压感
阅读全文
posted @ 2026-01-17 10:23 R4y
阅读(60)
评论(0)
推荐(0)
2026年1月15日
【项目】基于链表的任意精度十进制数计算
摘要: 【项目】基于链表的任意精度十进制数计算 工作流确定 编写BigDecimal类,计算须利用链表特性 加法:两个平行链表同时移动 乘法:两个链表嵌套移动 编写Qt前端并打包 基础功能:[输入1] op [输入2] = [输出] 计算器:字符串输入➡合法性检测➡转化为后缀表达式➡基于栈计算 手写表达式计
阅读全文
posted @ 2026-01-15 18:58 R4y
阅读(26)
评论(0)
推荐(0)
2025年12月26日
【项目】基于 YOLO 的边缘入侵检测与可疑行为分析系统
摘要: 【项目】基于 YOLO 的边缘入侵检测与可疑行为分析系统 YOLO训练 数据处理 首先在Kaggle上面找到合适的数据集 使用这个数据集的原因是有很多类似监控视角的街景,并且场景复杂度较大,训练起来效果会好一些 但是这个数据集并不是YOLO格式的,首先要把数据处理至YOLO格式 这个数据集的labe
阅读全文
posted @ 2025-12-26 20:59 R4y
阅读(34)
评论(0)
推荐(0)
2025年12月22日
【d2l】3.2.线性回归从零实现
摘要: 【d2l】3.2.线性回归从零实现 生成数据集 本次使用\(\text w [2, -3.4]^\top\)、\(b = 4.2\)和噪声\(\epsilon\)生成数据集和标签 代码中为了简化问题,将标准差设置为0.01 def synthetic_data(w, b, num_examples)
阅读全文
posted @ 2025-12-22 21:34 R4y
阅读(4)
评论(0)
推荐(0)
2025年12月20日
【d2l】3.1.线性回归
摘要: 【d2l】3.1.线性回归 线性回归的基本元素 数据集/训练集 数据样本/数据点/数据实例 标签/目标 特征/协变量 表示方式 输入:\(x^{(i)} = [x_1^{(i)}, x_2^{(i)}]^\top\) 标签:\(y^{(i)}\) 线性模型:如何建模 接下来引入一个房屋价格预测作为例
阅读全文
posted @ 2025-12-20 10:04 R4y
阅读(9)
评论(0)
推荐(0)
上一页
1
2
3
4
下一页
公告