- 博客(26)
- 资源 (1)
- 收藏
- 关注
原创 Pytorch_MNIST数据识别
import numpy as npimport torchfrom torch import nn,optimfrom torch.autograd import Variablefrom torchvision import datasets,transformsfrom torch.utils.data import DataLoader#加载训练集train_dataset = datasets.MNIST(root='./', .
2022-03-27 15:55:44 996
原创 Softmax激活函数
在多分类问题中,我们通常回使用softmax函数作为网络输出层的激活函数,softmax函数可以对输出值进行归一化操作,把所有输出值都转化为概率,所有概率值加起来等于1,softmax的公式为简单的Softmax计算例子例如某个神经网络有3个输出值,为[2,4,4].计算e1 = 1,e5=5,e3=3, e1+e5+e3 = 10p1 = e1/(e1+e5+e3) = 0.2p2 = e5/(e1+e5+e3) = 0.4p3 = e2/(e1+e5+e3) = 0.4
2022-03-27 15:01:30 5162 1
原创 MNIST数据集
下载下来的数据被分为两部分:60000行的训练数据集(mnist.train)和10000行的测试数据集(mnist.test)MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris BurgesMNIST的数据一张图片包含28*28个像素,我们把这一个数组展开成一个向量,长度是28*28=784.如果把数据用矩阵表示,可以把MNIST训练数据变成一个形状为[60000,784]的矩阵,第一个维
2022-03-27 14:50:14 6273
原创 Pytorch-非线性回归
import numpy as npimport matplotlib.pyplot as pltfrom torch import nn,optimfrom torch.autograd import Variableimport torchx_data = np.linspace(-2,2,200)[:,np.newaxis]noise = np.random.normal(0,0.2,x_data.shape)y_data = np.square(x_data) + noise.
2022-03-27 14:36:53 369
原创 Pytorch线性回归
import numpy as npimport matplotlib.pyplot as pltfrom torch import nn,optimfrom torch.autograd import Variableimport torchx_data = np.random.rand(100)noise = np.random.normal(0,0.01,x_data.shape)y_data = x_data * 0.1 + 0.2 + noise#plt.sca...
2022-03-27 14:35:03 1383
原创 Torch自动求导()
import torchx = torch.ones((2,2),requires_grad=True)print("x>>>",x)y = x+2z = y*y*3out = z.mean()print("out>>>",out)out.backward()print("x.grad>>>",x.grad)输出结果x>>> tensor([[1., 1.], [1., 1.]...
2022-03-27 14:08:52 307
原创 torch数据的索引
import torchtensor = torch.arange(2,14)print(tensor)print(tensor[2])print(tensor[1:4])print(tensor[2:-1])print(tensor[:5])print(tensor[-3:])index = [1,3,4,5,6]print(tensor[index])输出结果tensor([ 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13...
2022-03-27 14:02:30 912
原创 pytorch数据类型
1.指定数据类型:torch.tensor(array,dtype)torch.ones(array,dtype)2.获取数据类型tensor.dtype3.修改数据类型tonsor.float()/long()/int()4.torch.Tensor和torch.tensor的区别全局(默认的数据类型)是torch.float32torch.Tensor()传入数字表示形状和torch.Floa...
2022-03-27 13:49:09 1094
原创 CUDA中的Tensor
CUDA(Computer Unified Device Architecture),是NVIDIA推出的运算平台。CUDA是一种有NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。torch.cuda这个模块增加了对CUDA tensor的支持,能够在cpu和gpu上使用相同的方法操作tensor.通过.to方法能够把一个tensor转移到另外一个设备(比如从CPU转到GPU)import torchx = torch.rand(5,3)if torch.
2022-03-27 13:33:40 1946
原创 Tensorflow 多层感知机(MLP)
多层感知机(Multilayer Perceptron,MLP)构建步骤使用tf.keras.datasets获得数据集并预处理使用tf.keras.Model和tf.keras.layers构建模型构建模型训练流程,使用tf.keras.losses计算损失函数,并使用tf.keras.optimizer优化模型构建模型评估流程,使用tf.keras.metrics计算评估指标多层感知机MNIST手写体数字图片案例import tensorflow as tfimport .
2021-01-04 21:36:03 469
原创 Tensorflow模型建立与训练
Tensorflow快速搭建动态模型模型的构建:tf.keras.Model和tf.keras.layers模型的损失函数:tf.keras.losses模型的优化器:tf.keras.optimizer模型的评估:tf.keras.metrics模型(Model)与层(Layer)在tensorflow中,推荐使用keras(tf.keras)构建模型。keras有两个重要的概念:模型(Model)和层(Layer)。层将各种计算流程和变量进行了封装(例如基本的全连接层,.
2021-01-04 20:30:45 1240
原创 Tensorflow tf.GradientTape()自动求导的记录器
计算函数在时分别对的偏导数。其中代码import tensorflow as tfX = tf.constant([[1.,2.],[3.,4.]])y = tf.constant([[1.],[2.]])w = tf.Variable(initial_value = [[1.],[2.]])b = tf.Variable(initial_value=1.)with tf.GradientTape() as tape: L = 0.5*tf.reduce_sum(...
2021-01-04 15:37:01 242
原创 Tensorflow自动求导机制
自动求导机制在即时执行模式下,Tensorflow引入tf.GradientTape()这个“求导记录器”来实现自动求导。计算函数y(x)=x^2在x = 3时的导数:import tensorflow as tf#定义变量x = tf.Variable(initial_value = 3.)#在tf.GradientTape()的上下文内,所有计算步骤都会被记录以用于求导with tf.GradientTape() as tape: #y = x^2 y = tf.s...
2021-01-04 15:16:13 330
原创 Tensorflow 张量
Tensorflow使用张量作为数据的基本单位。可以使用它来描述数学中的标量(0为数组)、向量(1维数组)、矩阵(2维数组)等各种量import tensorflow as tf#定义一个随机数(标量)random_float = tf.random.uniform(shape=())print("random_float:",random_float)#定义一个有2个元素的零向量zero_vector = tf.zeros(shape=(2))print("zero_vector:",ze
2021-01-04 15:06:11 159
原创 Tensorflow第一个程序
import tensorflow as tfA = tf.constant([[1,2],[3,4]])B = tf.constant([[5,6],[7,8]])C = tf.matmul(A,B)print(C)
2021-01-04 14:53:35 165
原创 线性回归
线性回归 线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。其表达形式为y = w'x+e,e为误差服从均值为0的正态分布。线性回归的优点1.速度快,一旦训练完毕,就不再需要数据集2.线性回归是所有机器学习的基础,概念非常重要为什么需要线性回归 试图找到自变量与因变量之间的关系线性回归就是求解m和b的过程代码import numpy as npdata = np.ar...
2021-01-04 14:49:55 112
原创 Kotlin基本语法 问好(?)与两个叹号(!!)
? 表示当前对象是可以为空!! 表示当前对象不为空的空的情况下执行在变量类型后面加上问号(?),表示该变量是可空变量var name:String?="xxxx"如果str不能转为Int类型,则返回nullfun parseInt(str:String):Int?{ //转换代码}str?.length//如果str非空,就返回b.length,否则返回n...
2018-05-31 10:51:39 5261
原创 kotlin 4-7 之 方法重载
kotlin中方法默认是final的,不可被子类重载,若需要被重载,使用关键字open进行修饰,子类重载方法使用override关键字:open class Obj{ open fun study(){} fun run(){} //不可被重载}class Student:Obj{ override fun study(){}}...
2018-04-03 21:43:23 262
原创 kotlin 4-6 之 伴生对象
伴生对象可以实现静态调用,通过类名.属性名或者类名.方法名进行调用。fun main(args: Array<String>) { Test.instance.test() Test.test1()}class Test { fun test() { println("伴生对象的静态调用对象,通过对象再调用方法") } ...
2018-04-03 21:32:42 158
原创 jQuery库包含的功能
1)HTML元素选取2)HTML元素操作3)CSS操作4)HTML事件函数5)JavaScript特效和动画6)HTML DOM遍历和修改7)AJAX8)Utilities
2017-05-29 19:30:22 2224
原创 语法错误
( ! ) Parse error: syntax error, unexpected ':' in C:\wamp\www\yzm\DB.php on line 22
2017-05-26 22:31:15 400
原创 无法实例化xxx对象
( ! ) Fatal error: Call to private DB::__construct() from invalid context in C:\wamp\www\yzm\DB.php on line 16Call Stack#TimeMemoryFunctionLocation10.0829244184{main}(
2017-05-26 22:27:13 4265
原创 实战Unity3d-001:界面介绍
场景面板(Scene)该面板为Unity3D的编辑面板,构建游戏中所能呈现的景象游戏面板(game)该面板是用来渲染场景面板中的景象的。该面板不能用作编辑,用来呈现完整的动画效果。显示的内容取决与场景摄像头的内容层级试图(Hierarchy)该面板主要功能是显示放在场景面板中的所有的物体对象,包含当前场景中的每个游戏对象(GameObject)。有些是三维模型等
2017-05-05 22:22:55 399
原创 android组件之一BroadCastReceiver 短息拦截器
1、功能当系统接受到短信时,会产生一条广播,广播中包含了短信的一些基本信息,如:发送人号码、内容等信息,而短信拦截器就是在短信应用拿到短信广播之前,把短信广播拦截下来,这样短信应用就不会收到广播。(就好像系统没有收到短信,其实系统已经收到短信了)2、实现1)注册广播
2015-11-26 12:51:53 413
原创 android组件之一BroadCastReceiver
1.何为BroadCastReceiver 在 Android 里面有各种各样的广播,比如电池的使用状态,电话的接收和短信的接收,开机与关机等等都会产生一个广播,应用程序开发者也可以监听这些广播并做出程序逻辑的处理。2.BroadCastReceiver的作用例如当开机完成后系统会产生一条广播,接收到这条广播就能实现开机启动服务的功能;当网络状态改变时系统会产生一条广播,接收到
2015-11-25 10:35:01 418
Android下拉加载更多
2016-04-16
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人