Linux运维学习实践

PyTorch深度学习实践——加载数据集

参考资料参考资料1：https://blog.csdn.net/bit452/article/details/109686474参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0009%E2%80%94%E2%80%94%E5%85%B3%E4%BA%8E%E6%95%B0%E6%8D%AE%E9%9B%86/#
没有人会真的躺平·2022-11-24 18:04

【深度学习】深入浅出卷积神经网络及实现！

最后，以阿里天池零基础入门CV赛事为学习实践，对Pytorch构建CNN模型进行实现。
风度78·2022-11-24 18:28

PyTorch深度学习实践——线性模型、梯度下降算法、反向传播

1、线性回归参考资料1：https://blog.csdn.net/bit452/article/details/109627469参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0003%E2%80%94%E2%80%94%E7%BA%BF%E6%80%A7%E6%A8%A1%E5%9E%8B/#%E7%BA%
没有人会真的躺平·2022-11-24 18:50

《PyTorch深度学习实践》Lecture_11 卷积神经网络进阶 Convolutional Neural Network

B站刘二大人老师的《PyTorch深度学习实践》Lecture_11GoogLeNet+DeepResidualLearningLecture_11卷积神经网络进阶ConvolutionalNeuralNetworkGoogLeNet
　木夕敢敢·2022-11-24 15:24

PyTorch深度学习实践——梯度下降算法

梯度下降算法代码如下：（增加绘图代码）importmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=1.0#设置初始权重defforward(x):#定义前馈函数returnx*wdefcost(xs,ys):#定义损失函数cost=0forx,yinzip(xs,ys):y_pred=forward(x)#计算预测的y
CheneyTAT·2022-11-24 12:52

刘二大人PyTorch-卷积神经网络(CNN)—高级篇

《PyTorch深度学习实践》视频一.GoogLeNet1.其中的多次出现的蓝红结构被称之为：Inception1.1什么是1*1的单个卷积核？
TheFanXY·2022-11-24 10:40

2. 线性模型

B站刘二大人老师的课程代码PyTorch深度学习实践例子importtorchimportnumpyasnpimportmatplotlib.pyplotasplt#样本数据x_data=[1.,2.,
机器学习的一个小白·2022-11-24 10:42

PyTorch深度学习实践之线性模型

课程地址：2.线性模型_哔哩哔哩_bilibili目录笔记评估模型（TrainingLoss)MSE（均方误差）代码体现对于ZIP的补充课后作业结果展示笔记过拟合是机械学习中巨大的问题过拟合→数据少训练多泛化→达到未训练的图片也能识别出评估模型（TrainingLoss)选取合适的权重达到mean值最小MSE（均方误差）代码体现1.保存样本（训练集）2.定义模型/损失函数3.准备空列表保存数值4.
Yory__·2022-11-24 10:09

【PyTorch】深度学习实战之线性模型

本文主要是参考B站刘二大人的视频讲解本文的主要内容是PyTorch深度学习实践的线性模型。
少年白马·2022-11-24 10:08

Pytorch深度学习实践（b站刘二大人）P5讲（用Pytorch实现线性回归 作业）

使用不同优化器训练模型，画出不同优化器的损失（loss）变化图像使用SGD优化器代码：importtorchimportmatplotlib.pyplotasplt#准备数据集x_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[2.0],[4.0],[6.0]])#设计模型classLinearModel(torch.nn.M
努力学习的朱朱·2022-11-24 10:36

PyTorch深度学习实践（九）——卷积神经网络入门

文章目录0写在前面1卷积层2下采样3卷积和下采样4输出是十分类的问题5特征提取器6卷积层6.1单通道卷积6.2多通道卷积6.3卷积输出7卷积核的维度确定8局部感知域（过滤器）9卷积层代码实现10填充padding11定义模型12完整代码0写在前面在传统的神经网络中，我们会把输入层的节点与隐含层的所有节点相连。卷积神经网络中，采用“局部感知”的方法，即不再把输入层的每个节点都连接到隐含层的每一个神经
谜底是你_·2022-11-24 09:17

PyTorch深度学习实践——基于GoogleNet网络实现的手写数字识别

importtorchfromtorchvisionimporttransformsfromtorchvisionimportdatasetsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalimporttorch.nn.functionalasFimporttorch.optimasoptimimportmatplotlib
不见当年灰太狼·2022-11-24 09:43

PyTorch 深度学习实践 第4讲

第4讲反向传播backpropagation源代码B站刘二大人，传送门PyTroch深度学习实践——反向传播如果需安装PyTorch，传送门PyTorch深度学习快速入门教程传送门Tensor和tensor
错错莫·2022-11-24 07:26

《PyTorch深度学习实践》完结合集--B站刘二大人学习总结

本篇主要是各类模型的基本介绍及应用，不涉及深层技术。学习视频指路→B站指路代码实践指路→代码指路课件获取：通过百度网盘分享的文件：PyTorch深…链接:https://pan.baidu.com/s/1iSY7LgEigOWUWEBLmN1j0A?pwd=ect0提取码:ect0复制这段内容打开「百度网盘APP即可获取」目录正文开始：1.Overview2.线性模型3.梯度下降算法4.反向传播5
木马苇·2022-11-24 07:53

【PyTorch】深度学习实践之 梯度下降Gradient Descent

本文目录梯度下降算法代码：结果：随机梯度下降SGD代码:结果：二者区别鞍点学习资料：系列文章索引梯度下降算法通过计算梯度就可以知道w的移动方向，应该让w向右走而不是向左走，也可以知道什么时候会到达最低点（梯度为0的地方）。此处引入一个学习率α，可以控制走的快慢，一般训练学习率α不能太大也不能太小，太小的话，可能导致迟迟走不到最低点，太大的话，会导致错过最低点！代码：importnumpyasnpi
zoetu·2022-11-23 13:07

人工智能书单（机器学习实践篇）

本期为大家带来的AI书单是——人工智能书单（机器学习实践篇）！
hzbooks·2022-11-23 09:25

《PyTorch深度学习实践》学习笔记：反向传播

文章目录一、反向传播二、代码练习三、课后练习总结一、反向传播前馈计算：权重维度增加：权重维度增加且增加多个层，但化简后还是线性的：增加激活函数，从而增加非线性：反向传播计算梯度，使用的是链式法则：Pytorch里面数据类型Tensor，有两个属性一个data，一个grad：w是Tensor(张量类型)，Tensor中包含data和grad，data和grad也是Tensor。grad初始为None
lizhuangabby·2022-11-23 08:18

【学习实践】尝试使用LDA方法与传统LSA方法对比实现文本主题进行挖掘

尝试使用LDA方法与传统LSA方法对比实现文本主题进行挖掘实验简介本实验或者说案例，是使用Pycharm编写代码，对同一组新闻数据集进行新闻主题挖掘，来训练两个不同的NLP模型，并提供训练集对训练结果进行测试，并量化。随后通过可视化方法对比两组实验结果。（为了保留实验过程以及实现结果的可视化，保留了实验生成的日志文档和某次实验结果的参考图）首先，该实验数据集为爬取到的新闻主题的数据集，大约包含22
JinyuZ1996·2022-11-23 07:11

Python基础教程，Python入门教程（非常详细）

Python类库(模块)极其丰富，这使得Python几乎无所不能，不管是传统的Web开发、PC软件开发、Linux运维，还是当下火热的机器学习、大数据分析、网络爬虫，Python都能胜任。
哈哈哈一下·2022-11-23 05:34

PyTorch 深度学习实践

记录B站视频PyTorch深度学习实践的学习习题、以下为习题解答：PyTorch深度学习实践习题解答
tao_292·2022-11-23 03:10

PyTorch深度学习实践12——RNN基础

RNN主要处理具有序列关系的输入数据RNNcell：每个RNNcell的输入不仅有当前样本xi,还有前一个cell运算得到的结果hi-1为什么循环：因为RNNcell一直在循环使用，即权重参数一直在参与各个样本输入的运算RNNcell中的线性运算：如果用RNNcell来写，需要自己写循环不断通过RNNcell：importtorch"需要:初始化h0,输入序列"batch_size=1input_
UnFledged·2022-11-23 03:39

Pytorch深度学习实践课程-线性回归

线性回归的步骤①准备数据集②设计模型③构造损失函数和优化器④写训练周期（前馈、反馈、更新）线性回归实现以y=2x为例子实现，最终迭代的w=2，b=0为最终的迭代目标，选择学习率为0.01，初始化w为1运行在jupyter上importtorchimportmatplotlib.pyplotaspltx_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=tor
L_Moonshine·2022-11-23 03:09

PyTorch深度学习实践-视频学习笔记

PyTorch深度学习实践线性模型1.课堂例题——穷举可视化y=w·x关于权重w取值的情况①对给定数据训练一个线性模型，但是不知道权重w取什么值训练效果更好——穷举法，在一个确定的范围内，按照一定间隔对权重
深浅卡布星·2022-11-23 03:34

PyTorch深度学习实践

目录LESSON1线性模型LESSON2梯度下降LESSON3随机梯度下降LESSON4反向传播LESSON5Pytorch实现线性回归LESSON6逻辑斯蒂回归LESSON7处理多维特征的输入LSEEON8加载数据集--实验mini-batchLESSON9多分类问题LESSON10卷积神经网络一LESSON11卷积神经网络二LESSON12循环神经网络一LESSON13循环神经网络二LESSO
weixin_57950256·2022-11-23 03:30

《自动驾驶入门：从建模到跟随》学习笔记（一）小车建模及话题控制

主要对小车的xacro建模以及topic通信进行学习实践。1.小车Xacro建模代码均来自课程代码包，不再贴出
Sakurazzy·2022-11-23 01:06

PyTorch可视化工具：TensorBoard、Visdom

作者：佚名来源：马哥Linux运维一、TensorBoardTensorBoard一般都是作为TensorFlow的可视化工具，与TensorFlow深度集成，它能够展现TensorFlow的网络计算图
暗涧幽火·2022-11-22 19:31

【深度学习】入门过程个人笔记（持续更新）

主要内容来自于B站up主刘二大人的《PyTorch深度学习实践》以及跟李沐学AI的《动手学深度学习》部分内容来自网络DeepLearning深度学习入门线性模型LinearModel训练目的:找到一组参数使得
杰瑞雾里·2022-11-22 18:08

百度飞桨深度学习实践笔记（一）：使用Python语言和Numpy库来构建神经网络模型

零基础入门深度学习机器学习与深度学习综述人工智能-机器学习-深度学习深度学习的历史与现状波士顿房价预测-Python与Numpy库构建神经网络模型的实践处理数据模型设计前向传播算法损失函数设置梯度下降算法梯度计算梯度更新随机梯度下降模型训练总结机器学习与深度学习综述人工智能-机器学习-深度学习目前人工智能、机器学习、深度学习都是十分火热的话题，那么这三者之间是什么关系呢？机器学习是实现人工智能的其
winnie爱学习·2022-11-22 17:53

pytorch 深度学习实践 第5讲 pytorch实现线性回归

第5讲pytorch实现线性回归LinearRegressionwithPyTorchpytorch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·2022-11-22 17:15

《Pytorch深度学习》学习记录

纯小白（python和深度学习都是），课程是《PyTorch深度学习实践》完结合集在此随便做一些随笔，由于前面学过一些机器学习，跳过前面的较基础知识直接从Pytorch实现线性回归开始顺带一提本人使用的
vzvzvzv·2022-11-22 14:18

PyTorch深度学习实践学习笔记（1）

PyTorch深度学习实践学习笔记（1）——b站刘二大人机器学习的过程：从数据集中把算法找出来1）找出模型；2）拿数据做训练；3）验证模型。
一只小白！·2022-11-22 14:39

机器学习实践：鸢尾花分类-4

机器学习实践：鸢尾花分类1、实验描述决策树是机器学习中一种简单而又经典的算法。
奔腾游子·2022-11-22 13:37

【PyTorch深度学习实践】学习笔记 第九节 实践篇 手写数字图像多分类

课程链接PyTorch深度学习实践第九节课程。gogogo~！原理介绍在前面第六讲时，介绍过了可以将逻辑回归看做是仅含有一层神经元的单层的神经网络。
咯吱咯吱咕嘟咕嘟·2022-11-22 08:50

PyTorch深度学习实践（九）多分类问题-MNIST数据集

多分类问题用SoftMax分类器要求输出的分类概率都大于0且总和为1把输出经过sigmoid运算就可以上图的交叉熵损失就包含了softmax计算和右边的标签输入计算（即框起来的部分）所以在使用交叉熵损失的时候，神经网络的最后一层是不要做激活的，因为把它做成分布的激活是包含在交叉熵损失里面的，最后一层不要做非线性变换，直接交给交叉熵损失如上图，做交叉熵损失时要求y是一个长整型的张量，构造时直接用cr
此生辽阔·2022-11-22 08:43

Linux系统调优详解（八）——vmstat查看系统整体运行状态

今天继续给大家介绍Linux运维相关知识，本文主要内容是vmstat查看系统整体运行状态。
永远是少年啊·2022-11-22 04:49

PyTorch深度学习实践05——用PyTorch实现线性回归

整体流程：准备数据集使用Class构造模型（目的是计算y_hat）构造loss和优化器设置训练周期（一个训练周期=forward+backward+update）；forward目的是计算loss，backward目的是计算梯度grad，update的目的是更新权重w概念：PyTorch的AffineModel（仿射模型）在PyTorch中也叫linearunit（线性单元）使用PyTorch构造
UnFledged·2022-11-21 19:00

Pytorch深度学习（三）：使用Pytorch实现线性回归

Pytorch深度学习（三）：使用Pytorch实现线性回归参考B站课程：《PyTorch深度学习实践》完结合集传送门：《PyTorch深度学习实践》完结合集本文浅学Pytorch用法，并实现线性回归，
Yuriy_Xiong·2022-11-21 19:57

PCA实现降维的过程

PCA在数据挖掘和机器学习实践中的应
Brice Loskie·2022-11-21 18:23

在计算机视觉方向如何快速提升自己?

如周志华老师的《机器学习》、李航老师的《统计学习方法》、《机器学习实践》、吴恩达老师的cs229、李宏毅老师的机器学习视频（B站就有
小白学视觉·2022-11-21 16:24

刘老师的《Pytorch深度学习实践》 第十二讲：循环神经网络（基础篇） 代码

循环神经网络适用于具有序列链接的输入的数据：金融、股市、自然语言处理importtorchbatch_size=1seq_len=3input_size=4hidden_size=2cell=torch.nn.RNNCell(input_size=input_size,hidden_size=hidden_size)dataset=torch.randn(seq_len,batch_size,in
我的宠物不是小马·2022-11-21 16:39

刘老师的《Pytorch深度学习实践》第十一将：卷积神经网络（高级篇） 代码

importtorchimporttorch.nnasnnfromtorchvisionimporttransformsfromtorchvisionimportdatasetsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttorch.optimasoptimbatch_size=64transform=
我的宠物不是小马·2022-11-21 16:09

刘老师的《Pytorch深度学习实践》 第十三讲：循环神经网络（高级篇） 代码

importtorchimporttorch.nnasnnimportnumpyasnpimportmatplotlib.pyplotaspltimporttorch.nn.functionalasFfromtorch.utils.dataimportDataset,DataLoaderimporttorch.optimasoptimfromtorchvisionimporttransformsf
我的宠物不是小马·2022-11-21 16:08

刘老师的《Pytorch深度学习实践》第七讲：处理多维特征的输入 代码

importnumpyasnpimporttorchxy=np.loadtxt('diabetes.csv',delimiter=',',dtype=np.float32)x_data=torch.from_numpy(xy[:,:-1])y_data=torch.from_numpy(xy[:,[-1]])classModel(torch.nn.Module):def__init__(self)
我的宠物不是小马·2022-11-21 16:08

刘老师的《Pytorch深度学习实践》第八讲：加载数据集 代码

importnumpyasnpimporttorchfromtorch.utils.dataimportDatasetfromtorch.utils.dataimportDataLoader#DataLoader需要获取DataSet提供的索引[i]和lenclassDiabetesDataset(Dataset):def__init__(self,filepath):xy=np.loadtxt(
我的宠物不是小马·2022-11-21 16:08

刘老师的《Pytorch深度学习实践》第九讲：多分类问题 代码

importnumpyasnpy=np.array([1,0,0])z=np.array([0.2,0.1,-0.1])y_pred=np.exp(z)/np.exp(z).sum()loss=(-y*np.log(y_pred)).sum()print(loss)可转化为下面这种有CrossEntropyLoss模块的形式：importtorchy=torch.LongTensor([0])#长
我的宠物不是小马·2022-11-21 16:08

刘老师的《Pytorch深度学习实践》第三讲：梯度下降算法 代码

x_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]w=1.0defforward(x):returnx*wdefcost(xs,ys):cost=0forx,yinzip(xs,ys):y_pred=forward(x)cost+=(y_pred-y)**2returncost/len(xs)defgradient(xs,ys):grad=0forx,yinzip(x
我的宠物不是小马·2022-11-21 16:38

机器学习实践（三）——决策树剪枝处理

在上次的实践中进行了决策树的构建，本次实践就在上次的基础上进行对决策树的剪枝处理。一、为什么决策树要进行剪枝处理？决策树的过拟合的风险很大，因为理论上来说可以将数据完全分的开，如果树足够大，每个叶子节点就剩下了一个数据。那么，这就会造成模型在训练集上的拟合效果很好，但是泛化能力很差，对新样本的适应能力不足。所以，对决策树进行剪枝，可以降低过拟合的风险。二、剪枝处理的基本放法进行剪枝处理最基本的方法
m0_63169186·2022-11-21 15:51

1、线性模型

b站视频教程推荐：《PyTorch深度学习实践》02.线性模型_哔哩哔哩_bilibili1、本科期间算法分类（1）穷举法（2）贪心（3）分治（4）动态规划机器学习和之前算法的区别在于：机器学习利用数据进行推理
碳水大炸弹·2022-11-21 14:30

30天数据分析与机器学习实践之Day16——Python文本数据分析：新闻分类任务

30天数据分析与机器学习实践之Day16——Python文本数据分析：新闻分类任务一、文本分析与关键词提取1.1文本数据1.2停用词1.语料中大量出现2.没啥大用3.留着过年嘛？
名功·2022-11-21 11:24

Anaconda3+PyTorch：安装并配置深度学习环境

本教程参考：B站UP小土堆，推荐有时间的同学去学习对深度学习感兴趣的同学，还推荐去看该教程，学习理论和实践：PyTorch深度学习实践1、安装Anaconda3去官网下载Anaconda。
乔木cc·2022-11-21 11:50
上一页 33 34 35 36 37 38 39 40 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他