学习实践

育儿课堂学习实践

时间：2019年12月20日学经方法：237累积法（铭泽，妈妈）学经内容：《易经》系辞上传，《笠翁对韵》十五咸，《增广贤文》4.参加人员：妈妈，铭泽读经过程：早上起床宝贝就来到了沙发上。妈妈：咱们读经典长智慧吧？宝贝：我不想读。我们班小朋友都不读。要不然我就躺在沙发上读。妈妈：这几天宝贝进步很大，读经典的时候腰板儿挺的笔直。咱们还坐小椅子上吧？宝贝：我不，我偏不。就在沙发上读。妈妈：这样好像看不清
继明亲子国学程春萍·2023-01-30 02:34

vsftp-ubuntu-docker学习实践

dockerfile#sourceimageFROMubuntu:xenial#AuthorMAINTAINERshark1985#AddfileADDsources.list/tmp#Sources.listRUNmv/etc/apt/sources.list/etc/apt/source.list.bak&&cp/tmp/sources.list/etc/apt/#Aptupdate&inst
Shark1985·2023-01-29 19:12

【PyTorch深度学习实践】深度学习之线性模型和梯度下降算法

文章目录前言一、线性模型二、梯度下降法总结前言在学习深度学习过程中，我们需要知道一个基本的流程，首先需要准备数据集（Dataset），然后选择模型（Model），再用该模型进行训练（Training），最后将训练后的模型用于推理（Inferring)。本章中我们先从最简单的线性模型和梯度下降算法讲起。一、线性模型这里我们以一个最简单的线性模型为例y=w*x，x为输入值，y为实际值w为权重，图中给了
今天又干了些什么呢·2023-01-29 07:31

K8S入门(二) 单机部署

目的搭建一个单机环境学习实践用，既做Master节点也做Node节点，通过实际操作深入理解k8s中的基础概念配置与运行Master直接从模板机复制一台虚拟机作为本次单机环境的机器，参考Kuberneters
核子飞弹·2023-01-28 20:07

MLP多层感知机用BP算法更新权值解决异或问题(机器学习实验二）

多层感知机(MultiLayerPerceptron)以及反向传播算法(Backpropagation)机器学习——神经网络（四）：BP神经网络如果还不清楚这里有视频：PyTorch深度学习实践（强烈推荐
长门yuki·2023-01-28 16:21

《PyTorch深度学习实践》学习笔记 【3】

《PyTorch深度学习实践》学习笔记【3】学习资源：《PyTorch深度学习实践》完结合集三、梯度下降类似牛顿迭代法/二分法，对costfunc求导,利用偏导进行迭代，使得costfunc达到最小值。
Pin_BOY·2023-01-28 10:11

结业

在听取学员交流后，邱少江同志对此次培训班学习实践情况进行了总
远翊·2023-01-28 07:28

2019年成就事件

2、学习实践不同的管理方法。
我要我的价值·2023-01-27 20:34

web开发实战，CSS的标准文档流，吊打面试官

从事前端开发工作差不多3年了，自己也从一个什么都不懂的小白积累了一定的理论和实践经验，并且自己也对这3年来的学习实践历程有一个梳理，以供后面来细细回忆品味。1、为什么选择学习前端开发？
普通网友·2023-01-27 13:59

PyTorch 深度学习实践 第3讲

B站刘二大人，传送门PyTorch深度学习实践梯度下降法梯度下降法importmatplotlib.pyplotasplt#preparethetrainingsetx_data=[1.0,2.0,3.0
夕阳落林中·2023-01-27 08:32

刘老师的《Pytorch深度学习实践》第二讲：线性模型 代码

importnumpyasnpimportmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]defforward(x):returnx*wdefloss(x,y):y_pred=forward(x)return(y_pred-y)*(y_pred-y)w_list=[]mse_list=[]forwinnp.arange(0
我的宠物不是小马·2023-01-27 08:32

PyTorch深度学习实践 第五讲 用PyTorch实现线性回归模型

视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili本次作业是测试不同的优化器的算法效果，我这里只测试了四种。
pig774·2023-01-27 08:32

《PyTorch深度学习实践》刘二大人 第2讲 线性模型

第2讲linear_model源代码B站刘二大人PyTorch深度学习实践——线性模型numpy学习Numpy数据计算从入门到实战zip用法python中zip()函数的用法importnumpyasnpimportmatplotlib.pyplotaspltx_data
Grairain·2023-01-27 08:01

pytorch 深度学习实践 第二讲 线性模型

pytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集哔哩哔哩bilibili第二讲线性模型以线性模型为例，对神经网络的学习过程说明准备数据集，训练集和测试集选择模型，初始化线性模型
会游泳的小雁·2023-01-27 08:00

PyTorch深度学习实践 第二讲--线性模型

Demo2:linear_model来源：B站刘二大人说明：函数forward()中，有一个变量w。这个变量最终的值是从for循环中传入的。for循环中，使用了np.arange。numpy不熟悉的话可以Python数据分析，或者numpy教程代码中涉及到zip()函数。zip函数详解importnumpyasnpimportmatplotlib.pyplotaspltx_data=[1.0,2.
Vinsada·2023-01-27 08:59

《PyTorch深度学习实践》完结合集 第二讲（线性模型）

《PyTorch深度学习实践》完结合集第二讲线性模型（1）用穷举法实现线性模型的参数确定。
Waibibabu_ETF·2023-01-27 08:56

《PyTorch深度学习实践》第2讲--线性模型

《PyTorch深度学习实践》–线性模型《PyTorch深度学习实践》--线性模型《PyTorch深度学习实践》--线性模型y=wx代码实现y=wx+b代码实现参考资料y=wx代码实现#课堂练习importnumpyasnpimportmatplotlib.pyplotasplt
浅忆笙歌暖·2023-01-27 08:26

pytorch深度学习实践 第二讲 线性模型

机器学习过程：Dataset→ModelSelect→Training→推理过拟合：训练集上有很好的结果，但是训练集外却不能很好的拟合数据。主要原因是训练集存在噪声或训练数据太少。泛化：训练出的模型在训练集外同样适用。数据集：训练集（通常还会分成训练集和开发集，用作模型评估）和测试集。线性模型：y_hat=f(x)=wx+b，训练的目的就是得到w和b。损失loss：预测值与真实值之间的差值。平均平
啥都不会的研究生←_←·2023-01-27 08:52

学而时习之，不亦说乎？

从原生的本能到主动学习实践，从无意识的遇见，到有目的的寻求。把生活中发现的事物、使用过的工具、经历过的人、事和经验，加以整理，再融入自身的情感和思想，便成就了知识。
乐乎于仁·2023-01-27 08:32

PyTorch深度学习实践第二讲线性模型

目录监督学习四步骤线性模型泛化代码作业监督学习四步骤DataSet（数据集）Model（模型选择和设计，例如神经网络，决策树等）Training（大部分模型都需要训练，都有些例如KNN不需要训练）Inferring（推导使用）线性模型假设一个学生每周花费x小时在学习上，那么他可能会在最终测验上取得y分。xy1224364?进行猜测之后可能为y^=x∗w+b\hat{y}=x*w+by^=x∗w+b
筱翼深凉·2023-01-27 08:47

Pytorch深度学习实践（一）——线性模型

参考资料B站刘二老师Pytorch深度学习实践1.线性回归采用深度学习Pytorch框架搭建线性回归模型通常需要四个步骤：准备数据构建计算图：①__init__()②forward()构建损失函数和优化器训练
冠long馨·2023-01-27 07:58

【OpenCV】Chapter5.空间域图像滤波

最近想对OpenCV进行系统学习，看到网上这份教程写得不错，于是跟着来学习实践一下。
zstar-_·2023-01-26 09:56

cnn学习资料

6，《解析卷积神经网络-深度学习实践手册》
huyongcode·2023-01-26 06:27

赋能班本月学习实践心得

赋能班第一堂课让我对人际关系有了新一些的认识。过去的我认为处理人际关系是一种利益交换的过程，就表面上维持差不多的关系就好了。抱有这样的想法，就会觉得再投入的话带给自己的大多是时间和心力的消耗，从而比较容易封闭自己，做事情也是习惯于自己独行。通过课程，我了解到人际关系是有层级的，自己很长时间处于“表面上很好”的一种同事和朋友关系下，对自己是一种消耗而不是支持和滋养。而且在赋能班上和小组成员的互动，让
亲亲虾条儿·2023-01-25 21:33

pytorch 深度学习实践 第7讲 处理多维特征输入

第5讲处理多维特征的输入MultipleDimensionInputpytorch学习视频——B站视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili以下是视频内容笔记以及小练习源码
会游泳的小雁·2023-01-25 16:15

【Pytorch深度学习实践】第7讲 处理多维特征的输入

什么是矩阵：空间转换，从N维映射到M维空间的线性变换神经网络：非线性空间变换#Multiple_Dimension_Input#处理多维数据输入importnumpyasnpimporttorchxy=np.loadtxt('data/diabetes.csv.gz',delimiter=',',dtype=np.float32)x_data=torch.from_numpy(xy[:,:-1])
方方方方便面·2023-01-25 16:15

Pytorch 深度学习实践Lecture_7 Multiple Dimension Input

up主刘二大人视频链接刘二大人的个人空间_哔哩哔哩_Bilibili多维输入如下图为糖尿病数据集，输入为10个样本，每个样本具有8维特征（怀孕次数，血糖，血压，皮脂厚度，胰岛素，BMI身体质量指数，糖尿病遗传函数，年龄），最后一列为标签（结果），0表示未患糖尿病，1表示患有糖尿病。逻辑回归模型由于输入数据维数增多，而预测值是标量，所以模型需要使用矩阵形式做计算说明：1.乘的权重(w)都一样，加的偏
endeavor`·2023-01-25 15:13

处理多维特征的输入 Multiple Dimension Input

参考，自学PyTorch深度学习实践(刘二大人)P7处理多维特征的输入MultipleDimensionInput_努力学习的朱朱的博客-CSDN博客激活函数：参考（常用激活函数（激励函数）理解与总结）
非常可爱的刘妹妹·2023-01-25 15:11

《PyTorch深度学习实践》-P7处理多维特征的输入

一行一样本sample，一列一特征featurediebetesdataset数据集在Anaconda/Lib/sit-packages/sklearn/datasets/data/diabetes_data和diebetes_target多维logistic回归模型（下标特征维度，上标样本）mini-batch（Nsamples）将运算向量化，变成矩阵，这样就可以利用GPU的并行运算能力~而不用
m0_60673782·2023-01-25 15:10

《PyTorch深度学习实践》Lecture_07 处理多维特征的输入 Multiple Dimension Input

B站刘二大人老师的《PyTorch深度学习实践》Lecture_07重点回顾+代码复现Lecture_07处理多维特征的输入MultipleDimensionInput一、重点回顾（一）MultipleDimensionLogisticRegressionModel1
　木夕敢敢·2023-01-25 15:36

刘二大人PyTorch-循环神经网络(RNN)—基础篇

《PyTorch深度学习实践》视频一.基础概念对于一个全连接网络，即全部由线性层组成的网络，也称作dense(稠密型)或者deep（深度型）网络，对于一个卷积神经网络，卷积核对多层图像处理，卷积核不变，
TheFanXY·2023-01-25 13:51

《PyTorch深度学习实践》-B站 刘二大人-day6

加载数据集B站刘二大人的PyTorch深度学习实践——加载数据集这次的视频是继续优化上一个视频的代码，上次我们输入糖尿病病人的数据，在处理是没有才有分成几个部分的处理，而是一整坨的放进去进行计算了，所以在加载数据集这方面我们就优化一样
爱编程的西瓜·2023-01-25 13:21

Bilibili-刘二大人《Pytorch深度学习实践》第13讲 Advanced RNN实验代码

'''''''''构建一个RNN分类器任务：一个名称分类器，根据输入的名字判断其国籍，数据集有Name与Country在这个场景中，由于输出无法通过线性层映射到某个维度，所以可以只用hn来连接线性层，对这个输入做一个18维的分类'''''''''importcsvimportgzipimporttorchimportmatplotlib.pyplotaspltimportnumpyasnpfrom
GrandGoblin·2023-01-25 13:20

吴恩达【深度学习】笔记01——向量化、For循环及Python中的Broadcasting

向量化是非常基础的去除代码中for循环的艺术，在深度学习安全领域、深度学习实践中，你会经常发现自己训练大数据集，因为深度学习算法处理大数据集效果很棒，所以代码的运行速度非常重要。
美式咖啡不加糖x·2023-01-23 15:10

机器学习实践：TensorFlow2 多GPU负载不均衡问题

问题运行时两个GPU负载不均，没有跑满，效率较低解决方法检查数据输入，保证瓶颈部分在GPU，而不是GPU在等待tf.data使用dataset.prefetch()，保证数据流及时进入模型map时使用num_parallel_calls参数增大batch_size
YueTann·2023-01-19 12:03

Pytorch深度学习实践 第六讲 逻辑回归

分类问题不是让“预测值”等于“类别”，而是计算属于每个类别的概率，要概率最大的。（将预测值通过Sigmoid函数从实数空间映射到[0，1]）Logistic函数（仅仅是sigmiod函数中最典型的一种）：x→+，(x)→1;x→-，(x)→0;x=0,(x)=1/2计算图：相比线性单元，Logistic回归单元后面多了一个Sigmiod激活函数。二分类问题的损失函数：y=1时，loss=,越大，l
啥都不会的研究生←_←·2023-01-18 17:05

PyTorch深度学习实践部分代码示例

Pytorch基础教程：B站刘二大人视频PyTorch深度学习实践线性模型1.穷举法2.梯度下降算法（贪心法）3.反向传播4.用PyTorch实现线性回归5.逻辑斯蒂回归6.处理多维特征输入神经网络1.
SDUer_DZL·2023-01-18 17:32

OpenCV学习实践（四）——图像轮廓与图像分割修复

思维导图1.查找绘制轮廓//用Canny算子检测边缘Canny(g_grayImage,g_cannyMat_output,g_nThresh,g_nThresh*2,3);//寻找轮廓findContours(g_cannyMat_output,g_vContours,g_vHierarchy,RETR_TREE,CHAIN_APPROX_SIMPLE,Point(0,0));//绘出轮廓Mat
LongMarch2022·2023-01-17 12:00

《PyTorch深度学习实践》学习笔记—— 第1讲 Overview

文章目录前言1算法2框架3学习系统发展4维度诅咒压缩空间线性5深度学习系统与以前的差别6机器学习策略前言本文仅为个人学习记录，便于以后查看使用。1算法四种：穷举法贪心法分治法动态规划2框架只是包含关系，如表示学习只是机器学习的一部分。3学习系统发展4维度诅咒假设1个维度上取10个样本可做到贴近实际分布，则2个维度需要102=100个样本，3个维度需要103=1000个样本……N个维度就需要10N个
書辭·2023-01-17 10:20

【PyTorch深度学习实践】学习笔记 第五节 线性回归

课程链接PyTorch深度学习实践第五节课程。gogogo~！
咯吱咯吱咕嘟咕嘟·2023-01-17 10:19

PyTorch深度学习实践之用PyTorch实现线性回归

课程地址：05.用PyTorch实现线性回归_哔哩哔哩_bilibili目录理论编辑1.准备数据（使用mini-batch目的是为了一次性求出y_hat）2.定义模型3.构造损失函数和优化器4.训练过程课程代码总结代码：解决方法：1.根据老师的方法多迭代几次2.适当调整学习率lr作业疑惑理论1.准备数据（使用mini-batch目的是为了一次性求出y_hat）2.定义模型构造函数的模板→扩展模型完
Yory__·2023-01-17 09:14

FPGA 20个例程篇：17.SD卡存放图片逐一送VGA显示（上）

第六章图像显示处理，经典再现17.SD卡存放图片逐一送VGA显示在学习实践过SD卡读写和VGA驱动显示的时序后，在下面4个例程中笔者精心选择了综合性较强的，相信大家静下心把这4个例程都独立地去实现后，FPGA
青青豌豆·2023-01-17 08:19

机器学习实践：气象数据分析-10

机器学习实践：气象数据分析1、实验描述本节实验主要是针对气象数据进行分析，从实验数据中分析温度、湿度、风力、风向等数据，再利用matplotlib进行绘图，直观展示分析结果，通过本节实验我们能够直观感受到
奔腾游子·2023-01-16 13:52

《PyTorch深度学习实践》P10卷积神经网络基础篇CNN

全部代码在最后面。基本模式：patch：单通道，卷积做数乘：先数乘再加：每一个卷积核通道数量和输入通道数量一样！卷积核总数量和输出通道数量一样！卷积核数量和图片大小没关想得到和原来一样的维度，padding怎么计算加外围多少层：（如图所示）例子：code：在这里importtorchinput=[3,4,6,5,7,2,4,6,8,2,1,6,7,8,4,9,7,4,6,2,3,7,5,4,1]#
XD101DX·2023-01-16 06:36

【PyTorch深度学习实践】06_多维特征输入（以逻辑斯蒂回归为例）

文章目录1.多维数据2.多维数据在逻辑回归中的计算过程3.代码改变及其含义4.完整代码1.多维数据每一行为一个样本（sample），数据库里一行称为一个Record。每一列为一个特征（feature），数据库里叫字段。2.多维数据在逻辑回归中的计算过程偏置（bias）——b，通过广播机制变成向量与前面的矩阵进行运算。3.代码改变及其含义训练过程4.完整代码importnumpyasnpimport
青山的青衫·2023-01-16 06:06

【PyTorch深度学习实践】07_Dataset和Dataloader

文章目录1.Epoch，Iteration，Batch-Size2.Dataset和Dataloader2.1Dataset2.2Dataloader2.2.1例子2.2.2enumerate函数3.完整代码1.Epoch，Iteration，Batch-Size参考博客2.Dataset和Dataloader参考博客功能概览2.1Datasettorch.utils.data.Dataset是一
青山的青衫·2023-01-16 06:06

【PyTorch深度学习实践】08_Softmax分类器（多分类）

文章目录1.Softmax层1.1softmax的函数表示1.2损失函数2.代码实现1.Softmax层当需要多分类的时候，会输出一个分布，这些分布需要满足P(y=i)>=0和所有的P值加起来=1，使用softmax可以实现。要注意的是，softmax本质上和sigmoid一样也是一个激活函数。sigmoid用于二分类，softmax用于多分类。1.1softmax的函数表示示例1.2损失函数关于
青山的青衫·2023-01-16 06:06

PyTorch 深度学习实践 第10讲 卷积神经网络（基础篇）

CPUimporttorchfromtorchvisionimporttransformsfromtorchvisionimportdatasetsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFbatch_size=64transform=transforms.Compose([transforms.ToTensor
Grairain·2023-01-16 06:04

PyTorch 深度学习实践 第十讲 ---卷积神经网络基础篇

Demo10:卷积神经网络基础篇来源：B站刘二大人说明卷积神经网络前一部分叫做特征提取（FeatureExtraction），后一部分叫做分类（classification）一个卷积核它的通道数量要求和输入通道是一样的。这种卷积核的总数有多少个和你输出通道的数量是一样的。卷积(convolution)后，C(Channels)变，W(width)和H(Height)可变可不变，取决于是否paddi
Vinsada·2023-01-16 06:34

PyTorch深度学习实践10——卷积神经网络基础

卷积过程示意图：卷积核的数量要和输入的通道数（Channel数）相等N个输入channel，1个输出channel：N个输入channel，M个输出channel：构造一层卷积层（4维张量）需要四个维度：输入大小，输出大小，卷积核W，卷积核H构造卷积层实例代码：importtorchin_channels,out_channels=5,10width,height=100,100kernel_si
UnFledged·2023-01-16 06:02
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他