克莱比的小站

摘要： Lenet5 import torch from torch import nn class Lenet5(nn.Module): def __init__(self): super(Lenet5, self).__init__() #conv_unit为卷积层的部分 self.conv_unit= 阅读全文

摘要： 卷积操作 框在上一层移动，卷积操作生成下一层的每一个点 给不同的k(x,y)可以生成图片上不同的层 最上面的x是b张图片三个通道，每个通道28*28 onek是一个kernel,knernel有三个通道，每个通道3*3 multi_kernel是多个kernel，16个kernel，每个3个通道，每 阅读全文

摘要： 全连接层 import torch #构建全连接层的写法 class zqh_layer(torch.nn.Module): #定义一个自己想的类，继承于torch.nn.Module def __init__(self): #以下两行固定写法 super(zqh_layer, self).__in 阅读全文

摘要： 机器学习的应用范围 监督学习是从标记bai的训练数据来推断du一个功能的机器学习任务。监督学习是一种目的明确的训练方式。 监督学习需要给数据打标签;而无监督学习不需要给数据打标签。监督学习由于目标明确，所以可以衡量效果;而无监督学习几乎无法量化效果如何。 你知道得到的是什么;而无监督学习则是没有明确 阅读全文

摘要： softmax函数，可以将算出来的预测值转换成0-1之间的概率形式 导数的形式 import torch import torch.nn.functional as F x=torch.tensor([3.3,2.2,1.0]) x.requires_grad_() y=F.softmax(x,di 阅读全文

摘要： 分割与合并 import torch import numpy as np #假设a是班级1-4的数据，每个班级里有32个学生，每个学生有8门分数 #假设b是班级5-9的数据，每个班级里有32个学生，每个学生有8门分数 #现在要将两个班级合并 a=torch.rand(4,32,8) b=torch 阅读全文

摘要： 常见的学习种类 线性回归，最简单的y=wx+b型的，就像是调节音量大小。逻辑回归，是否问题。分类问题，是猫是狗是猪 最简单的线性回归y=wx+b 目的：给定大量的（x,y）坐标点，通过机器学习来找出最符合的权重w和偏置b 损失指的是每个点进行wx+b-y然后平方累加，是用来估量模型的预测值f(x)与 阅读全文

摘要： 一，数据 1.数据集：100个西瓜 2.样本：1个西瓜 3.特征向量：甜度，大小，颜色 4.属性：颜色（特征向量中间的一个） 二，学习算法 三，得到模型： 有监督学习，无监督学习 有监督学习的分类：二分类（两个最终解，摘还是不摘），多分类（多个最终解，买哪一种西瓜），回归（预测第二年的价格） 无监督 阅读全文

摘要： who am i 查看是哪一个用户 init 0关机 ifconfig用于配置网络或显示当前网络接口的状态 eth0是网卡的名字 第一行：flags后面的up指的是网卡处于运行状态，running连接状态，muticast支持组播，mtu最大传输单元1450 第二行：该网卡的ip地址，子网掩码，广播 阅读全文

摘要： 上学期 总体资产配置： 40%大盘成长股票指数(长期) 20%大盘价值股票指数(长期) 25%偏债券混合型(长期) 15%短期投来波峰波谷玩 20.12.2发现上证深证指数等处于高估期，且已经持续了一段时间，不适合购入指数型基金 上证50指数起码2700以下 故调整配置： 50%大盘成长科技股基金（ 阅读全文