随笔分类 - Python
摘要:为什么需要残差网络 退化问题 随着网络深度的增加,准确度变得饱和然后迅速退化。这种退化不是由过度拟合引起的,并且在适当的深度模型中添加更多层会导致更高的训练误差。 如下图所示 20层的神经网络不论是在训练还是测试中都比56层的错误率更低误差更低,且不是因为过拟合导致的问题 反向传播 反向传播(用于优
阅读全文
摘要:书接上文:【2021.03.03】使用卷积神经网络实现MNIST(上) 本次的学习来源:https://www.bilibili.com/video/BV1HK4y1s7j3 定义优化器 # 定义优化器 model = Digit().to(DEVICE) optimizer = optim.Ada
阅读全文
摘要:本次的学习来源:https://www.bilibili.com/video/BV1WT4y177SA 加载库 nn、F、optim都是使用pytorch时候的常用简写 # 加载库 import torch import torch.nn as nn import torch.nn.function
阅读全文
摘要:本期的学习来源是:https://www.bilibili.com/video/BV1Y7411d7Ys?p=10 代码来源:https://blog.csdn.net/bit452/article/details/109680909 全联接线性网络(由linear串联起来 全联接层:任意两个节点间
阅读全文
摘要:本期的学习来源是:https://www.bilibili.com/video/BV1Y7411d7Ys?p=8 代码来源:https://blog.csdn.net/bit452/article/details/109680909 全部的数据都使用被称为batch,最大化利用向量计算的优势,以提升
阅读全文
摘要:本期的学习来源是:https://www.bilibili.com/video/BV1Y7411d7Ys?p=6 代码来源:https://blog.csdn.net/bit452/article/details/109680909 搞了两天的智能家居,换了一堆的面板开关,顺便学了一些电工的知识,终
阅读全文
摘要:本期的学习来源是:https://www.bilibili.com/video/BV1Y7411d7Ys?p=4 代码来源于:https://blog.csdn.net/bit452/article/details/109643481 反向传播 简单的线性模型中,X是输入,W是权重,权重是训练的目标
阅读全文
摘要:【2021.02.17】线性模型、梯度下降算法 本期的学习来源是:https://www.bilibili.com/video/BV1Y7411d7Ys?p=2 准备数据集->进行模型选择或者模型设计->训练模型->应用/推理 过拟合:机器学习学到了噪声 泛化:对未识别的图案进行分类 模型设计 找到
阅读全文
摘要:本次学习来源为:https://www.bilibili.com/video/BV1Y7411d7Ys?p=1 人工智能/机器学习实现的功能 由信息推出结论 由抽象推出预测 由算法替代大脑 监督学习:需要已经打上标签的数据集(labeled dataset) 运用到的算法:贪心、穷举、分治、动态规划
阅读全文
摘要:果然想直接进入实战还是太快了,有些概念还是必须要搞清楚的 这次的学习资料来源是廖星宇的《深度学习入门之PyTorch》 关于这部分的视频学习内容来自于:https://www.bilibili.com/video/BV1dp4y1U7mD (刚好这个老师的系统是使用macOS,太好了TuT Tens
阅读全文
摘要:今天学习来源是:https://www.bilibili.com/video/BV1hE411t7RN 学习python的两个常用函数 两个pytorch常用函数 dir()函数,能让我们知道工具箱以及工具箱中的分隔区有什么东西。 help()函数,能让我们知道每个工具是如何使用的,工具的使用方法。
阅读全文
摘要:安装Anaconda 首先到网站:https://www.anaconda.com/products/individual#Downloads 下载Anaconda Installers 为了方便,我选择的是图形/化的安装 下面那个命令行的,我打开老是出问题 所以选了上面那个 一路点到底就行了 安装
阅读全文
摘要:macOS是自带python环境的,现在要做的是配置python3的环境 (这个退出实在让我难受,以前在window上都是ctrl+z退出的,这里用的是command+z退出,差点找不到退出方法XD 安装python3 访问官网:https://www.python.org/downloads/ma
阅读全文