J2EE学习实践

为什么要写《机器学习实践应用》这本书

预售地址：https://item.jd.com/12114501.html历经了10个月，《机器学习实践应用》这本书终于面世了。
Garvin Li·2022-12-01 11:04

SpringBoot入门学习之基础篇(一)搭建和SpringBoot构成结构

入门案例Spring和SpringBoot对比一、原有Spring优缺点分析1.Spring的优点分析Spring是Java企业版（JavaEnterpriseEdition，JEE，也称J2EE）的轻量级代替品
我是一个小仓鼠01·2022-12-01 10:41

对Java的认识

本文面向的观众是对J2EE技术有兴趣的入门者。
越过越咸·2022-12-01 09:52

漫谈EJB

转帖自http://www.jspcn.net/htmlnews/11242051505781489.html本文面向的观众是对J2EE技术有兴趣的入门者。
icecityman·2022-12-01 09:50

[转载]漫谈EJB在Java中的应用

漫谈EJB在Java中的应用本文面向的观众是对J2EE技术有兴趣的入门者。
congji3817·2022-12-01 09:19

《PyTorch深度学习实践》-B站 刘二大人-day4

逻辑斯蒂回归B站刘二大人的PyTorch深度学习实践——逻辑斯蒂回归视频中截图说明：1、逻辑斯蒂回归和线性模型的明显区别是在线性模型的后面，添加了激活函数(非线性变换)2、分布的差异：KL散度，cross-entropy
爱编程的西瓜·2022-11-30 22:24

【Pytorch深度学习实践】B站up刘二大人之LinearModel -代码理解与实现(1/9)

目录：【Pytorch深度学习实践】B站up刘二大人课程笔记——目录与索引（已完结）开篇几句题外话：刘二大人的课程我是从前天(4月5日)开始看的，今天看完了advancedcnn这部分，我做的也是图像，
nemo_0410·2022-11-30 22:21

【Pytorch深度学习实践】B站up刘二大人之Dataset&DataLoader-代码理解与实现(7/9)

开篇几句题外话：本节内容，主要是把数据集写成了一个类，这个类要继承Dataset类，有点像DIY一个数据集的感觉，只有自定义了之后，才能实例化，然后把之前直接在文件夹中读取数据的方式进行了修改；数据集类里面有三个函数，这三个函数较为固定，分别自己的作用；继承Dataset后我们必须实现三个函数：__init__()是初始化函数，之后我们可以提供数据集路径进行数据的加载getitem__()帮助我们
nemo_0410·2022-11-30 22:21

【Pytorch深度学习实践】B站up刘二大人之SoftmaxClassifier-代码理解与实现(8/9)

这是刘二大人系列课程笔记的倒数第二个博客了，介绍的是多分类器的原理和代码实现，下一个笔记就是basicCNN和advancedCNN了；写在前面：这节课的内容，主要是两个部分的修改：一是数据集：直接采用了内置的MNIST的数据集，那dataloader和dataset自然也是内置的，那也就不用自己写dataset再去继承Dataset类；再有是把train和test写成了函数形式，直接在main函
nemo_0410·2022-11-30 22:21

《PyTorch深度学习实践》刘二大人 线性模型 作业

作业描述如下：实现代码importnumpyasnpimportmatplotlib.pyplotaspltfrommatplotlibimportcmfrommpl_toolkits.mplot3dimportAxes3D#y=x*2.5-1构造训练数据x_data=[1.0,2.0,3.0]y_data=[1.5,4.0,6.5]W,B=np.arange(0.0,4.1,0.1),np.ar
GTFQAQ·2022-11-30 22:46

PyTorch深度学习实践概论笔记8-加载数据集

在第七讲PyTorch深度学习实践概论笔记7-处理多维特征的输入中讲解了如何处理多维特征的输入。
双木的木·2022-11-30 19:32

《PyTorch深度学习实践》学习笔记(1)

《PyTorch深度学习实践》学习笔记（1）一线性回归模型（有监督学习）1线性模型2损失函数误差函数平均平方误差(MSE)3代码详解4用Pytorch实现线性回归(1)准备数据(2)使用Class设计模型
haikhaihak·2022-11-30 17:29

【PyTorch】PyTorch深度学习实践|视频学习笔记|P10-11|CNN

PyTorch深度学习实践|CNNCNN基础篇CNN的整体计算框架①相较全连接网络来说，CNN采用卷积核的层次架构是为了保留输入数据的空间特征信息；②CNN从本质上来说，就是通过网络的叠加对原始数据做特征提取
kodoshinichi·2022-11-30 17:53

【PyTorch】PyTorch深度学习实践|视频学习笔记|P6-P9

PyTorch深度学习实践逻辑斯蒂回归及实现背景与概念基于分类问题中属性是类别性的，所以不能采取基于序数的线性回归模型，而提出了新的分类模型——逻辑斯蒂回归模型，输出每个样本在各个预测值上的概率值。
kodoshinichi·2022-11-30 17:23

【代码学习】读取和训练cifar10

代码参考【从入门到进阶】《PyTorch深度学习实践》P61-73目录一、处理数据二、训练三、网络模型四、测试一、处理数据#readcifar10.pyimportpickle#cifar数据库官网给出的数据处理函数
CloudLby·2022-11-30 12:40

PyTorch深度学习实践 Lecture09 Softmax 分类器

Author：HorizonMax✨编程技巧篇：各种操作小结机器视觉篇：会变魔术OpenCV深度学习篇：简单入门PyTorch神经网络篇：经典网络模型算法篇：再忙也别忘了LeetCode视频链接：Lecture09Softmax_Classifier文档资料：//Hereisthelink:课件链接：https://pan.baidu.com/s/1vZ27gKp8Pl-qICn_p2PaSw提取
Horizon Max·2022-11-30 12:59

PyTorch深度学习实践（b站刘二大人）P9讲 多分类问题 Softmax Classifier

1.SoftMax分类器在Mnist数据集中，我们要得到的输出是0-9，共有十类，这种情况下我们希望输出0-9的概率都大于0，且和为1。使用SoftMax分类器进行多分类问题（其输入不需要Relu激活，而是直接连接线性层），经过SoftMax分类器后满足：1.大于等于0，2.所有类别概率和为1.2.Lossfunction-CrossEntropy交叉熵NLLLoss（nagativeloglik
努力学习的朱朱·2022-11-30 12:58

《PyTorch深度学习实践》Lecture_09 多分类问题 Softmax Classifier

B站刘二大人老师的《PyTorch深度学习实践》Lecture_09重点回顾+代码复现Lecture_09多分类问题SoftmaxClassifier一、重点回顾（一）SoftmaxLayer通过softmax
　木夕敢敢·2022-11-30 12:27

PyTorch深度学习实践概论笔记9-SoftMax分类器

上一讲PyTorch深度学习实践概论笔记8-加载数据集中，主要介绍了Dataset和DataLoader是加载数据的两个工具类。这一讲介绍多分类问题如何解决，一般会用到SoftMax分类器。
双木的木·2022-11-30 12:27

PyTorch深度学习实践概论笔记1-概况

关于pytorch深度学习框架的学习，课程名称《PyTorch深度学习实践概论》，视频来源B站up主“刘二大人”。课程封面看看前言。1前言深度学习框架学习的实践课程。
双木的木·2022-11-30 10:52

Spring JDBC声明式事务管理

(3)容器事务：主要指的是J2EE应用服务器提供的事务管理，局限于EJB应用使用。Spring实现JDBC声明式事
swadian2008·2022-11-30 07:28

开源的GIS简介

J2EE随着Java5。0的发布，已经正式更名为JavaEE，而微软也正式发布了。NET2。0以及集成开发环境利器VisualStudio2005。到底是。NET还是Java?面对旗鼓相当的Java
batilei·2022-11-30 07:25

开源GIS

J2EE随着Java5。0的发布，已经正式更名为JavaEE，而微软也正式发布了。NET2。0以及集成开发环境利器VisualStudio200
junecau·2022-11-30 07:22

音视频技术开发周刊 | 265

⏰活动时间：2022年11月4-5日活动地点：北京丽亭华苑酒店音视频开发之旅（30)-音视频基础知识从这篇开始我们进入FFmpeg系列的学习实践，作为开篇，我们先来了解下音视频相关的基础知识。
LiveVideoStack_·2022-11-29 19:44

拦截器( interceptor )

Servlet阶段接触过过滤器,它和拦截器作用是一样的,但是底层不一样拦截器:Interceptor,它是Spring框架的一部分,天然运行在IOC容器中,底层是基于代理模式,也是AOP的一个具体实现过滤器:是j2ee
往事已回首·2022-11-29 15:25

【无标题】

具体内容参考Pytorch深度学习——加载数据集（b站刘二大人）P8讲加载数据集_努力学习的朱朱的博客-CSDN博客_diabetes.csv.gz【Pytorch深度学习实践】B站up刘二大人之Dataset
不会代码是小白·2022-11-29 14:56

PyTorch深度学习实践——处理多维特征的输入

importtorchimportnumpyasnpxy=np.loadtxt('diabetes.csv',delimiter=',',dtype=np.float32)#括号内第一个为文件名，第二个为分隔符，第三个为指定数据类型x_data=torch.from_numpy(xy[:,:-1])#最后一列不要（-1表示最后一列），取前面八列（最后一列是y）y_data=torch.from_n
CheneyTAT·2022-11-28 21:22

深度学习实践 处理多维特征的输入

这里写目录标题一、处理多维特征的输入二、代码：一、处理多维特征的输入多维数据的行：record列：feature当输入x变成n维的向量，让其和n维的权重w作内积，内积之后转置。广播：Python/Numpy中的矩阵向量的广播（Broadcasting）特性矩阵和向量：self.linear=torch.nn.Linear(8,2)可以将8维的输入进行空间维度变换，成为2维的输出。每次空间压缩，需要
EP Fitwin·2022-11-28 21:47

Pytorch深度学习实践课程-处理多维特征输入

导入前几节主要讨论的是一维特征的输入（即一个x：实数）单维：输入x是一个实数。多维：x有不同的特征，预测对应的分类。回归问题：输出值y是一个实数。分类问题：输出y是属于一个离散的集合。数据集介绍如下图是个糖尿病的数据集，一行是一个样本，共有八个特征，一列是一个特征（10维）。最终输出的值是一个y（取值只有0和1，代表分类任务）一维到多维：模型的改变一维：x是一个实数，所以乘以一个w权重即可。多维：
L_Moonshine·2022-11-28 21:44

PyTorch深度学习实践概论笔记7-处理多维特征的输入

上一讲PyTorch深度学习实践概论笔记6-逻辑斯蒂回归中讨论了用Logistic回归实现二分类问题。之前面对的都是单维数据，接下来讨论当我们面对多维数据时如何处理。
双木的木·2022-11-28 21:05

Spring、SpringBoot面试题总结

轻量级的开源的J2EE框架。
Gerald Newton·2022-11-28 18:34

Java开发主流框架是什么？

相对于传统的J2EE开发框架来讲性能相对较高、资源消耗相对较少。具体优势如下：框架进行了代码分层，将Java代码和H
测试小扎·2022-11-28 18:03

SSM框架Spring+SpringMVC+MyBatis——详细整合教程

、模型对ฉ...1、基本概念1.1、SpringSpring是一个开源框架，Spring是于2003年兴起的一个轻量级的Java开发框架，由RodJohnson在其著作ExpertOne-On-OneJ2EEDevelopmentandDesign
花的鱼·2022-11-28 16:58

深度学习实践方法论：从零到一搭建一个深度学习系统要综合考虑哪些策略？

内容总结自花书《DeepLearning》。文章目录性能度量默认的基准模型决定是否收集更多数据选择超参数手动调整半自动搜索网格搜索随机搜索调试策略References要想成功地运用深度学习，仅仅知道存在哪些算法和解释它们为何有效是不够的。我们必须能够针对具体应用挑选一个合适的算法，并根据实验反馈改进深度学习系统。我们在日常开发中，需要自己决定是否需要收集更多的数据、增加或减少模型容量、添加或删除正
_SeeUtoday_·2022-11-28 07:51

机器学习实践：足球比赛聚类分析--11

机器学习实践：足球比赛聚类分析1、实验描述本实验利用K-Means聚类分析算法对足球比赛结果进行分析，该算法通过SprakMllib库来调用，我们将学习K-Means算法的K值选取，聚类原理等内容，理解聚类算法在实际业务中的应用场景实验时长
奔腾游子·2022-11-27 19:22

【PyTorch深度学习实践】学习笔记 数据集的加载Dataset和DataLoader原理

简而言之，这俩就是自动帮我们取数据，避免了接触底层代码1、前言机器学习模型训练五大步骤；第一是数据，第二是模型，第三是损失函数，第四是优化器，第五个是迭代训练过程。这里主要学习数据模块当中的数据读取，数据模块通常还会分为四个子模块:数据收集、数据划分、数据读取、数据预处理。在进行实验之前，需要收集数据，数据包括原始样本和标签；有了原始数据之后，需要对数据集进行划分，把数据集划分为训练集、验证集和测
咯吱咯吱咕嘟咕嘟·2022-11-27 14:35

鲍鱼数据集 岭回归解析解

importpandasaspdimportwarningswarnings.filterwarnings('ignore')#忽略匹配警告data=pd.read_csv(r'C:/Users/86139/Desktop/大二下/机器学习/机器学习实践
Unicorn .·2022-11-27 13:21

使用Maven及Spring Initializer快速创建Spring Boot项目

整个Spring技术栈的一个大整合J2EE开发的一站式解决方案SpringBootHelloWorld一个简单的请求功能：浏览器发送hello请求，服务器
Luck_sheng·2022-11-27 12:39

卷积神经网络的卷积核参数如何更新_笔记之《解析卷积神经网络》

引言：《解析卷积神经网络》是@魏秀参博士撰写的深度学习实践手册，主要以卷积神经网络为主体，可以在魏博士个人主页获取电子版，解析卷积神经网络——深度学习实践手册。
weixin_39884100·2022-11-27 09:25

PyTorch深度学习实践——用PyTorch实现线性回归

总体分为四个步骤：准备数据集、设计模型（通过前馈和反馈函数计算y^，直接从nn.module中继承）、构造损失函数和优化器（使用PyTorch应用接口）、训练周期（一个周期包含前馈、反馈、更新）执行代码如下：importtorchx_data=torch.Tensor([[1.0],[2.0],[3.0]])#x_data为3*1的矩阵y_data=torch.Tensor([[2.0],[4.0
CheneyTAT·2022-11-27 07:41

《PyTorch深度学习实践》第五讲 用PyTorch实现线性回归

首先确定线性模型函数，以及损失函数的公式编写代码主要有四个步骤：以下是我对于本节做的笔记，话不多说，上图线性模型的pytorch实现代码如下：importtorch#preparedataset第一步：准备数据集#x,y是矩阵，3行1列也就是说总共有3个数据，每个数据只有1个特征x_data=torch.tensor([[1.0],[2.0],[3.0]])#每个元素一定要用[]括起来y_data
风清扬，夏邑·2022-11-27 07:03

PyTorch深度学习实践概论笔记5-用pytorch实现线性回归

上一讲PyTorch深度学习实践概论笔记4-反向传播介绍了反向传播算法。现在来看第5讲：用pytorch实现线性回归。
双木的木·2022-11-27 07:53

PyTorch深度学习实践11——卷积神经网络高级

GoogleNet减少代码冗余的思想：在面向过程的编程语言中体现为函数；在面向对象的编程语言中体现为类1x1卷积核的作用concatenate操作如何确定输出张量的尺寸：在定义时先不定义fc层，随便选取一个输入，经过模型后查看其尺寸在本例中，init函数中把fc层去掉，forward函数中把最后两行去掉，确定输出的尺寸后再定义Lear层的大小ResNet为什么网络层数更深反而效果更差：梯度消失：在
UnFledged·2022-11-27 03:35

PyTorch深度学习实践——卷积神经网络(基础篇)

参考资料参考资料1:https://blog.csdn.net/bit452/article/details/109690712参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0011%E2%80%94%E2%80%94Simple_CNN/卷积神经网络(基础篇)1、convimporttorchin_chann
没有人会真的躺平·2022-11-27 03:33

PyTorch深度学习实践-P11卷积神经网络（高级篇）

复习此网络结构与LeNet5很像，LeNet-5是YannLeCun在1998年设计的用于手写数字识别的卷积神经网络，是早期卷积神经网络中最有代表性的实验系统之一。参考资料：卷积神经网络的网络结构——以LeNet-5为例_strint的专栏-CSDN博客_lenet5卷积神经网络结构GoogLeNet：不是串行结构的CNN蓝色：卷积，红色：池化，黄色：softmax，other：拼接或者其他减少代
m0_60673782·2022-11-27 03:01

PyTorch深度学习实践概论笔记11练习1-ResNet论文阅读

在PyTorch深度学习实践概论笔记11-卷积神经网络高级篇中介绍了GoogLeNet（包括InceptionModule）以及ResidualBlock，为进一步学习ResNet网络，需要阅读论文。
双木的木·2022-11-27 03:00

PyTorch 入门与实践（六）卷积神经网络进阶（GoogLeNet、ResNet）

来自B站刘二大人的《PyTorch深度学习实践》P11的学习笔记GoogLeNet1×1卷积上一篇我们知道，卷积的个数取决于输入图像的通道数。
Skr.B·2022-11-27 03:59

PyTorch深度学习实践——卷积神经网络（GoogLeNet部分实现、ResNet )

参考资料参考资料1：https://blog.csdn.net/bit452/article/details/109693790参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0012%E2%80%94%E2%80%94Advancedd_CNN/torch.nn.Conv2d为什么只定义卷积核的大小，而不定义卷
没有人会真的躺平·2022-11-27 03:26

Pytorch框架下由全连接网络对MINIST数据集的分类

如果对原视频教程感兴趣，下方将供上连接，可以去刘老师的主页听课学习《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibiliimporttorchfromtorchvisionimporttransformsfromtorchvisionimportdatasetsfromtorch.utils.dataimportDataL
bairan111·2022-11-26 21:25

超简单的pyTorch训练->onnx模型->C++ OpenCV DNN推理（附源码地址）

最近也是正好赶的疫情，出差少了，也是在B站看pyTorch视频时有评论说刘二大人的《pyTorch深度学习实践》讲的好，整个教程看下来后，确实是深入浅出，感觉就是宛然打通自己任督二脉，算是入门
Vaccae·2022-11-26 10:49
上一页 35 36 37 38 39 40 41 42 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他