Linux运维学习实践

L1正则化和L2正则化讲解

L1正则化和L2正则化讲解  在机器学习实践过程中，训练模型的时候往往会出现过拟合现象，为了减小或者避免在训练中出现过拟合现象，通常在原始的损失函数之后附加上正则项，通常使用的正则项有两种：L1正则化和
Joker__Wa·2022-11-21 10:56

PyTorch 深度学习实践 第6讲 逻辑斯蒂回归

相较于之前只改了两个地方：y值加上sigmoid损失函数改为交叉熵importtorchx_data=torch.Tensor([[1.0],[2.0],[3.0]])y_data=torch.Tensor([[0],[0],[1]])classLogisticRegressionModel(torch.nn.Module):def__init__(self):super(LogisticRegr
Grairain·2022-11-21 08:40

PyTorch 深度学习实践 第10讲

第10讲卷积神经网络(基础篇)源代码视频中截图：说明0、前一部分叫做FeatureExtraction，后一部分叫做classification1、每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。2、卷积(convolution)后，C(Channels)变，W(width)和H(Height)可变可不变，取决于是否padding。subsamp
追寻远方的人·2022-11-21 08:38

Pytorch 深度学习实践 第13讲

第13讲循环神经网络（高级篇）数据集链接：https://pan.baidu.com/s/1bIKasCIDAaT-_EwB6hcAMQ提取码：4fij任务：使用RNN通过训练name数据集来预测name属于哪个country.RNN，LSTM，GRU都是循环神经网络。网络模型：最后只需要一个LinearLayer来得出整个name序列的预测结果。数据准备Name序列处理步骤：1.Name转成序列
追寻远方的人·2022-11-21 08:38

Pytorch 深度学习实践第12讲

九、循环神经网络（基础篇）课程链接：Pytorch深度学习实践——循环神经网络（基础篇）PS：由于本人的研究方向是语音识别（Seq2Seq），所以CNN这部分就先跳过了，后面如果有学习上的需要再回来补充
Jasonare·2022-11-21 08:06

Pytorch 深度学习实践第7讲

六、处理多维特征的输入课程链接：Pytorch深度学习实践——处理多维特征的输入1、MultipleDimensionLogisticRegressionModely^(i)=σ(∑n=1Nxn(i)∗
Jasonare·2022-11-21 08:05

PyTorch深度学习实践 第十三讲代码

#_*_coding:utf-8_*_##@Time:2022/7/2014:55#输入姓名输出属于哪个国家#dataset(name,languagescountry)#packageimportcsvimportgzipimporttorchimporttorch.nnasnnfromtorch.nn.utils.rnnimportpack_padded_sequencefromtorch.u
Chivalrousness·2022-11-21 08:34

Pytorch深度学习实践 第一讲

学习Bilibili刘二大人的《Pytorch深度学习实践》整理，从简单线性模型到神经网络模型搭建都有讲到，内容不是最基础但讲的清晰，也会帮助到研究生的学术科研，值得学习借鉴。
啥都不会的研究生←_←·2022-11-21 08:04

PyTorch 深度学习实践 第7讲

B站刘二大人，传送门PyTorch深度学习实践——处理多维特征的输入1：当输入值是多维向量，且输出值不再是连续的实数，而是一个发生的概率时。
cycy_0918·2022-11-21 08:33

PyTorch 深度学习实践 第8讲

第8讲加载数据集源代码B站刘二大人，传送门PyTorch深度学习实践——加载数据集说明：1、DataSet是抽象类，不能实例化对象，主要是用于构造我们的数据集2、DataLoader需要获取DataSet
错错莫·2022-11-21 08:03

《PyTorch深度学习实践》 第 12 讲

第11讲卷积神经网络（基础篇）B站刘二大人，传送门——Pytorch深度学习实践循环神经网络（基础篇）一.HowtouseRNNCell说明：1.RNNCell需要手动循环，循环seq_len次2.模型定义时的两个主要参数
Jacinth Qia·2022-11-21 08:00

Part2 深度学习实践 --- 1 AI框架使用(Pytorch)

1AI框架使用(Pytorch)本博客与代码已同步到github当中，欢迎各位读者为此项目提供宝贵的issue每小节都有对应的可执行notebook文件。1.1基本数据操作由于本人能力有限，不可能将所有Pytorch的操作都进行讲解。因此强烈建议读者遇到问题时候查阅Pytorch的官方文档和参与一些论坛社区的讨论。1.1.1安装对Pytorch的安装，这里也不做过多的展开介绍。可以来看沐神的视频来
爱笑的Gary哥·2022-11-21 02:48

【刘二大人 - PyTorch深度学习实践】学习随手记（一）

目录1.Overview1、HumanIntelligence2、MachineLearning3、Howtodeveloplearningsystem?4、TraditionalMachineLearningStrategy5、SVM挑战6、BriefHistoryofNeuralNetwork7、流行的深度学习框架2.LinearModel（线性模型）模型为y=w*x的代码：模型为y=w*x+
我愚蠢的_理想主义·2022-11-21 00:08

【深度学习实践】文本图片去水印

【声明：本文章仅讲解文本去水印技术实现方法，仅供学习交流，禁止侵权，从我做起】文本去水印的需求比较高，传统算法去水印的效果并不是非常nice，随着深度学习的快速发展，使用深度学习的方法解决文本图片去水印的任务能够获得不错的效果，示例如下：左图为带水印的三字经，右图为去水印后的结果文本去水印在线体验链接：在线文本去水印体验一、概述本文不会介绍具体的去水印算法实现流程，仅介绍大体的思路，供学习之用。去
嘟嘟太菜了·2022-11-21 00:59

【深度学习实践】基于深度学习的车牌识别（python，车牌检测+车牌识别）

车牌识别具有广泛的应用前景，基于传统方法的车牌识别效果一般比较差，随着计算机视觉技术的快速发展，深度学习的方法能够更好的完成车牌识别任务。本文提供了车牌识别方案的部署链接，您可以在网页上体验该模型的效果：车牌识别方案在线体验本文介绍了使用PaddleOCR完成车牌识别任务的方法，其检测效果如下图：原图如下：检测结果如下：目录一、概述二、使用1、数据集准备2、检测模型3、识别模型4、模型导出5、联合
嘟嘟太菜了·2022-11-21 00:16

Pytorch实战 | P6 好莱坞明星图片识别(深度学习实践pytorch)

本文为365天深度学习训练营中的学习记录博客参考文章：Pytorch实战|第P6周：好莱坞明星识别原作者：K同学啊|接辅导、项目定制一、我的环境●语言环境：Python3.8●编译器：pycharm●深度学习环境：Pytorch●数据来源：链接:https://pan.baidu.com/s/1mYTaatLy8rj6gRvwGQOXgw提取码:sh4d二、主要代码实现1、main.py#-*-c
陈大麦 .·2022-11-20 22:11

Pytorch实战 | P3 天气图片识别(深度学习实践pytorch)

一、我的环境：●语言环境：Python3.8●编译器：pycharm●深度学习环境：Pytorch●数据来源：链接:https://pan.baidu.com/s/1SEfd8mvWt7BpzmWOeaIRkQ提取码:gdie二、主要代码实现1、main.py#-*-coding:utf-8-*-importmatplotlib.pyplotaspltimporttorch.utils.dataf
陈大麦 .·2022-11-20 22:41

Pytorch实战 | P7咖啡豆图片识别(深度学习实践pytorch)

本文为365天深度学习训练营中的学习记录博客参考文章：Pytorch实战|第P7周：咖啡豆识别原作者：K同学啊|接辅导、项目定制一、我的环境●语言环境：Python3.8●编译器：pycharm●深度学习环境：Pytorch●数据来源：链接：https://pan.baidu.com/s/1gUO1eyMYxetvW0JV0r_j2g提取码：0a2j二、主要代码实现1、main.py#-*-cod
陈大麦 .·2022-11-20 22:41

Pytorch实战 | P2 彩色图片识别(深度学习实践pytorch)

一、我的环境：●语言环境：Python3.8●编译器：pycharm●深度学习环境：Pytorch二、主要代码实现1、main.pyimportmatplotlib.pyplotaspltimporttorchimportnumpyasnpfrommodelimport*fromtorchinfoimportsummary#一、数据准备#---1、设置GPU---importtorchvision
陈大麦 .·2022-11-20 22:11

Pytorch实战 | P1 实现mnist手写数字识别(深度学习实践pytorch)

一、数据准备与模型调用(Main.py)#---1、GPU设置---device=torch.device("cuda"iftorch.cuda.is_available()else"cpu")#---2、导入数据---#获取训练集train_ds=torchvision.datasets.MNIST('data',train=True,transform=torchvision.transfor
陈大麦 .·2022-11-20 22:10

基于MATLAB 2021b的机器学习、深度学习实践应用

近年来，随着无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生，人工智能迎来了新一轮的发展浪潮。尤其是在计算机视觉和图像处理领域，各种颠覆性的成果应运而生。【专家】：郁磊副教授长期从事Python、Matlab机器学习及深度学习等研究工作，具备良好的数学及信号处理基础，熟悉如神经网络、支持向量机、决策树、随机森林等，以及群优化算法，如遗传算法、蚁群算法、蝙蝠算法等，近些年一直
weixin_贾楠·2022-11-20 18:17

深度学习实践2--分类检测识别专场

深度学习实践2–分类检测识别专场时间：（5.12-5.22）线下展示要求：按自己情况配合完成，每组至少实现一个，选题目一最好再选一个其他尝试一下，并且两个人都能简单了解过程，可自选题目（展示就好）。
[山青花欲燃]·2022-11-20 17:48

机器学习全面知识点总结（小白入门！）

**目录机器学习的特点机器学习的研究对象机器学习的应用#大家好，这篇博文主要介绍机器学习相关的基本理论和部分应用，目的是帮助初学者对机器学习建立初步的认知框架，文章通俗易懂，以后博主还会根据具体的机器学习实践和部分模型模型应用更深入的帮助大家汇总相关知识
Steven迪文·2022-11-20 15:46

PyTorch 深度学习实践 第6讲

第6讲逻辑斯蒂回归源代码B站刘二大人，传送门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：
错错莫·2022-11-20 12:18

【PyTorch】深度学习实践之RNN高级篇—实现分类

本文目录1.RNN分类器2.分类器实现准备数据准备模型双向RNN/LSTM/GRUforword过程名字转换tensor训练过程测试过程3.完整代码代码：结果：保存模型预测代码：课后练习：电影评论情感分析代码：结果：学习资料系列文章索引1.RNN分类器数据集：数据集里有人名和对应的国家，我们需要训练一个模型，输入一个新的名字，模型能预测出这个名字是基于哪种语言的（18种不同的语言，18分类）。在自
zoetu·2022-11-20 12:09

机器学习实践（一）——KNN近邻算法

一、什么是KNN算法？KNN（K-NearestNeighbor）算法是机器学习算法中最基础、最简单的算法之一。它既能用于分类，也能用于回归。KNN通过测量不同特征值之间的距离来进行分类。KNN算法的思想非常简单：对于任意n维输入向量，分别对应于特征空间中的一个点，输出为该特征向量所对应的类别标签或预测值。KNN算法是一种非常特别的机器学习算法，因为它没有一般意义上的学习过程。它的工作原理是利用训
m0_63169186·2022-11-20 11:37

机器学习实践——决策树（ID3算法）

决策树数据挖掘分类算法中最直观最容易理解的算法之一，基本不需要太多的理论知识就可以理解决策树的思想，是解决分类问题较好的方法之一。ID3算法应用香农熵的理论知识，先来了解一些理论知识。信息增益：在划分数据之前或之后信息发生的变化称为信息增益。香农熵（熵）：信息增益的度量单位。划分数据的大原则：将无序的数据变得有序。算法思想：如何度量数据变的愈发有序，方法之一就是计算每个特征值划分数据集获得的信息熵
还迷来·2022-11-20 11:30

机器学习实践（二）——决策树

一、决策树决策树(decisiontree)是一种基本的分类与回归方法。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性，分类速度快。学习时，利用训练数据，根据损失函数最小化的原则建立决策树模型。预测时，对新的数据，利用决策树模型进行分类。决策树是基于树状结构来
m0_63169186·2022-11-20 11:26

吴恩达深度学习笔记——改善深层神经网络：超参数调整，正则化，最优化（Hyperparameter Tuning）

深度学习笔记导航前言传送门改善深层神经网络：超参数调整，正则化，最优化（ImprovingDeepNeuralNetworks:HyperparameterTuning,Regularization,andOptimization）深度学习实践
亦梦亦醒乐逍遥·2022-11-19 19:00

期末课程设计——基于Python+MySQL数据库的学生管理系统（附源代码）

创建学生表：2、运行程序，进入学生管理系统：3、查询表中数据4、插入数据5、更改表中数据6、删除表中数据7、退出系统.六、附页：源程序清单一、课程设计目的与任务“python程序设计课程设计”是一个综合性的学习实践型实验教学环节
爱意随风起º·2022-11-19 18:44

【PyTorch】加载数据集Dataset与DataLoader

首先，本博客以【PyTorch】深度学习实践之加载数据集DatasetandDataloader、【PytorchLearning】构建自己的数据集、深度学习之MiniBatch、PyTorch深度学习实践第八讲
小橙子爱蜜蜂·2022-11-19 17:02

PaddlePaddle深度学习实践学习记录00

python库的操作NumPy操作：用于科学计算。基本模块一：arrray(数组)模块。基本操作：#基本操作importnumpyasnpa=[1,2,3,4]#a是python中的list类型b=np.array(a)#数组化后的b的类型变为arraytype(b)#b的类型为b.shape#shape参数表示array的大小：4b.argmax()#调用argmax()函数求array中最大索
峙峙峙·2022-11-19 13:34

pytorch----用多层感知机实现Kaggle的泰坦尼克号竞赛

《PyTorch深度学习实践》完结合集1.参考资料：Kaggle实战入门（一）之泰坦尼克号李沐视频：Kaggle房价预测2.代码importtorchimpor
啊健松·2022-11-19 06:56

《PyTorch 深度学习实践》--第5讲 实现线性回归模型

使用PyTorch实现线性回归模型1.线性回归模型实现#导入需要的包importtorchfromtorchimportnnimportmatplotlib.pyplotasplt#step1准备数据#x_data,y_data分别是一个3行1列的矩阵，即分别有3个数据，每个数据只有1个维度x_data=torch.Tensor([[1.0],[2.0],[3.0]])#[3,1]y_data=t
浅忆笙歌暖·2022-11-19 04:30

《深度学习实践》--第6讲 实现逻辑斯蒂回归

实现逻辑斯蒂回归《深度学习实践》第6讲1.本节笔记关于本节笔记的详细介绍，请参考：Pytorch学习笔记007——分类问题逻辑回归的介绍，请参考：001_wz_sf_逻辑回归（LogisticRegression
浅忆笙歌暖·2022-11-19 04:30

《PyTorch 深度学习实践》第4讲--反向传播算法

《PyTorch深度学习实践》第4讲–反向传播算法@《PyTorch深度学习实践》第4讲–反向传播算法1.张量预备知识Tensor中重要的两个成员，data用于保存权重本身的值ω\omegaω,grad
浅忆笙歌暖·2022-11-19 04:30

（一）利用Python实现数据集读取，Python基本文件操作介绍

本篇旨在介绍如何用Python对海量文件进行遍历，也是机器学习实践的第一步。数据准备为了模拟海量文件，需要准备一个包含大规模
若风orz·2022-11-19 04:21

机器学习-决策树算法ID3实现，含例子(红酒分类）

决策树原理实现代码如下所示：（参考自机器学习实践PeterHarrington)。
龙今天超越了自己·2022-11-19 04:43

七步快速入门 Python机器学习

本文旨在通过七个步骤，使用全部免费的线上资料，帮助新人获取最基本的Python机器学习知识，直至成为博学的机器学习实践者。这篇概述的主要目的是带领读者接触众多免费的学习资源。
learn deep learning·2022-11-19 02:03

zabbix详解（一）——zabbix基本概念

今天继续给大家介绍Linux运维相关知识，本文主要内容是zabbix的基本概念。
永远是少年啊·2022-11-18 20:14

正则手记——语法篇

前言本文纪录正则表达式的语法学习实践。
·2022-11-16 23:14

PyTorch深度学习实践——线性模型

线性模型：或随机选取权重w后评估该模型的效果，通过穷举法选出最佳的w评估模型：损失函数：计算损失函数的平均值，最终使平均损失最小平均平方误差（MSE）：例题：，使用线性模型做出预测。代码如下：#穷举法importnumpyasnpimportmatplotlib.pyplotasplt#绘图包x_data=[1.0,2.0,3.0]#数据集保存，x和y需分开，x为输入，y为输出y_data=[2.
CheneyTAT·2022-11-16 13:29

Linear Model（Exhaustive method 穷举法）

目录1.Assignment2.FunctionSet3.LossFunction4.Exhaustivemethod5.Code学习内容来自：b站的刘二大人----《PyTorch深度学习实践》1.Assignment
Henry_zs·2022-11-16 13:27

Part2 深度学习实践 --- 2 线性神经网络

2线性神经网络本博客与代码已同步到github当中，欢迎各位读者为此项目提供宝贵的issue注意：本页面的一些超链接跳转会有一些错乱，建议打开对应小节进行内容查看。2.1线性回归在机器学习领域中的大多数任务通常都与预测有关。那么就有一部分会涉及到回归问题（另外一部分会是分类问题，其目标是预测数据属于一组类别中的哪一个）。例如：预测价格、课程参加人数预测。我们将会在2.2当中介绍多分类问题。线性回归
爱笑的Gary哥·2022-11-15 17:11

Paddle实践：手写数字识别

文章目录前言1.Paddle手写数字识别过程2.Paddle手写数字识别训练与推理过程实现总结参考前言趁着国庆尾巴，复习了Paddle框架进行深度学习实践：手写数字识别，这里分享下模型实现。
DU_YULIN·2022-11-15 11:11

python举例cart回归树_Python3机器学习实践：决策树CART

treeq.png决策树主要包括ID3，C4.5以及CART。下面给出三种算法的说明：imageimageCART首先看下面表格中的示例数据(随机生成，仅供参考)。其中年龄，身高，月收入为连续变量，学历，工作为离散变量。如果把动心视为目标变量，此问题为分类问题。如果把动心度视为目标变量，此问题为回归问题。imageCART的目的是生成一个类似下面这样的树：分类树或者回归树。image叶子节点若为Y
老胡聊软件造价·2022-11-13 14:08

决策树算法python代码注释_机器学习决策树算法代码注释,详注

优点：计算复杂度不高，结果易于理解缺点：容易产生过拟合现象，所以需要对决策树进行剪枝代码例子来源：《机器学习实践》第三章数据包含5个海洋动物，特征包括:不浮出水面是否可以生存，以及是否有脚蹼，将这些动物分成两类
weixin_40004212·2022-11-13 14:07

Pytorch小记-torch.nn.Softmax(dim=1)如何理解？

_双木的木的博客-CSDN博客_dim=1什么意思在进行多分类时，时常看到Softmax分类函数，理论基础可看文章PyTorch深度学习实践概论笔记9-SoftMax分类器。
zouxiaolv·2022-11-13 11:24

Pytorch深度学习（二）：反馈神经网络（BPNN）

Pytorch深度学习（二）：反馈神经网络（BPNN）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》完结合集本文浅学反馈神经网络（BackPropagationNeuralNetwork
Yuriy_Xiong·2022-11-12 17:06

pytorch从零开始搭建神经网络

目录基本流程一、数据处理二、模型搭建三、定义代价函数&优化器四、训练附录nn.Sequentialnn.Modulemodel.train()和model.eval()损失图神经网络基本流程《PyTorch深度学习实践
sinat_38007523·2022-11-12 17:00
上一页 34 35 36 37 38 39 40 41 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他