2025年9月8日
深度学习入门基于python
摘要： 深度学习入门基于python 本章主要写的是深度学习入门基于python的实现，也就是大家常说的鱼书上的相关，里面介绍了从感知机到卷积神经网络的过程，并使用python来实现，对于深度学习入门来说正好合适 阅读全文
posted @ 2025-09-08 16:33 小西贝の博客 阅读(12) 评论(0) 推荐(0)
2025年8月12日
4-8 数值稳定性和模型初始化
摘要： 4-8 数值稳定性和模型初始化 选择函数来优化参数 阅读全文
posted @ 2025-08-12 17:55 小西贝の博客 阅读(3) 评论(0) 推荐(0)
2025年8月11日
4-6暂退法
摘要： 4-6暂退法 本章主要学习过惩罚权重的L2范数来正则化统计模型的经典方法 阅读全文
posted @ 2025-08-11 21:02 小西贝の博客 阅读(14) 评论(0) 推荐(0)
2025年7月29日
解决终端编译时乱码问题
摘要： 解决终端编译时乱码问题 本章主要写使用终端运行c++相关代码的时候出现乱码问题的解决方法 阅读全文
posted @ 2025-07-29 21:21 小西贝の博客 阅读(14) 评论(0) 推荐(0)
2025年6月30日
pycharm中的matplotlib错误
摘要： pycharm中的matplotlib错误 本章主要是解决pycharm在运行代码时的问题，执行相关的matplotlib的代码报错的解决方法 阅读全文
posted @ 2025-06-30 17:05 小西贝の博客 阅读(301) 评论(0) 推荐(0)
2025年6月26日
Latex相关用法
摘要： Latex相关用法 本章主要介绍了latex相关的用法 阅读全文
posted @ 2025-06-26 13:17 小西贝の博客 阅读(35) 评论(0) 推荐(0)
2025年6月23日
4-5权重衰减
摘要： 4-5权重衰减 本章主要使用权重衰减的方法来训练模型 阅读全文
posted @ 2025-06-23 22:28 小西贝の博客 阅读(11) 评论(0) 推荐(0)
2025年6月20日
4-4模型选择、欠拟合和过拟合
摘要： 4-4模型选择、欠拟合和过拟合 本章主要说明模型的过拟合和欠拟合问题，并使用三阶多项式函数拟合(正常)、线性函数拟合(欠拟合)、高阶多项式函数拟合(过拟合)等 阅读全文
posted @ 2025-06-20 22:53 小西贝の博客 阅读(22) 评论(0) 推荐(0)
4-3多层感知机简洁实现
摘要： 4-3多层感知机简洁实现 本章主要使用高级API简洁地实现多层感知机 阅读全文
posted @ 2025-06-20 13:08 小西贝の博客 阅读(17) 评论(0) 推荐(0)
2025年6月19日
4-2多层感知机的从0开始实现
摘要： 4-2多层感知机的从0开始实现 本章主要使用pytorch从0开始实现多层感知机，从初始化模型、激活函数、模型、损失函数和训练等五个步骤来实现 阅读全文
posted @ 2025-06-19 13:18 小西贝の博客 阅读(10) 评论(0) 推荐(0)
4-1多层感知机
摘要： 4-1多层感知机 本章主要叙述多层感知机在输出层和输入层之间增加一个或多个全连接隐藏层，并通过激活函数转换隐藏层的输出。并介绍常用的激活函数包括ReLU函数、sigmoid函数和tanh函数 阅读全文
posted @ 2025-06-19 12:50 小西贝の博客 阅读(12) 评论(0) 推荐(0)
2025年6月18日
3-7softmax回归的简洁实现
摘要： 3-7softmax回归的简洁实现 本章主要是使用pytorch对softmax进行简洁实现，初始化模型参数、重新审视softmax的实现、优化算法、训练四个步骤来实现 阅读全文
posted @ 2025-06-18 12:57 小西贝の博客 阅读(19) 评论(0) 推荐(0)
3-6softmax回归从0开始实现
摘要： 3-6softmax回归从0开始实现 本章主要使用softmax回归来实现分类预测 阅读全文
posted @ 2025-06-18 11:43 小西贝の博客 阅读(14) 评论(0) 推荐(0)
2025年6月17日
3-5图像分类数据集
摘要： 3-5图像分类数据集 本章主要使用pytorch，使用Fashion‐MNIST数据集来训练 阅读全文
posted @ 2025-06-17 20:18 小西贝の博客 阅读(21) 评论(0) 推荐(0)
3-3线性回归简洁实现
摘要： 3-3线性回归简洁实现 线性回归的简洁实现调用相关的库函数，实现步骤为：生成数据集、读取数据集、初始化模型参数、定义模型、定义损失函数、定义优化算法和训练等7步 阅读全文
posted @ 2025-06-17 19:23 小西贝の博客 阅读(7) 评论(0) 推荐(0)
3-2线性回归从0实现
摘要： 3-2线性回归从0实现 线性回归从0开始实现，实现步骤为：生成数据集、读取数据集、初始化模型参数、定义模型、定义损失函数、定义优化算法和训练等7步 阅读全文
posted @ 2025-06-17 19:21 小西贝の博客 阅读(11) 评论(0) 推荐(0)
3-1线性回归
摘要： 3-1线性回归 初识线性回归，并使用pytorch实现 阅读全文
posted @ 2025-06-17 19:17 小西贝の博客 阅读(9) 评论(0) 推荐(0)
2025年6月7日
20-查看开源项目
摘要： 20-查看开源项目 本章主要介绍如何查看和使用开源项目 阅读全文
posted @ 2025-06-07 22:04 小西贝の博客 阅读(6) 评论(0) 推荐(0)
19-完整模型验证套路
摘要： 19-完整模型验证套路 本章主要介绍使用pytorch训练一个分类模型，并预测图片的结果 阅读全文
posted @ 2025-06-07 22:03 小西贝の博客 阅读(23) 评论(0) 推荐(0)
18-利用GPU训练
摘要： 18-利用GPU训练 本章主要利用GPU进行训练 阅读全文
posted @ 2025-06-07 22:00 小西贝の博客 阅读(14) 评论(0) 推荐(0)
17-完整模型训练套路
摘要： 17-完整模型训练套路 本章主要介绍使用网络模型CIFAR 10 model进行训练 阅读全文
posted @ 2025-06-07 21:59 小西贝の博客 阅读(11) 评论(0) 推荐(0)
16-网络模型保存与读取
摘要： 16-网络模型保存与读取 本文主要介绍网络模型的保存与读取 阅读全文
posted @ 2025-06-07 21:54 小西贝の博客 阅读(7) 评论(0) 推荐(0)
15-网络模型使用及修改
摘要： 15-网络模型使用及修改 本文主要介绍网络模型的使用及相关修改 阅读全文
posted @ 2025-06-07 21:52 小西贝の博客 阅读(23) 评论(0) 推荐(0)
14-优化器
摘要： 14-优化器 本文主要介绍优化器及使用神经网络进行多层优化 阅读全文
posted @ 2025-06-07 21:50 小西贝の博客 阅读(11) 评论(0) 推荐(0)
13-损失函数与反向传播
摘要： 13-损失函数与反向传播 本章主要介绍损失函数和反向传播的使用 阅读全文
posted @ 2025-06-07 21:49 小西贝の博客 阅读(26) 评论(0) 推荐(0)