- 博客(34)
- 收藏
- 关注
RSS订阅转载 Pytorch使用tensorboardX可视化
Pytorch使用tensorboardX可视化。超详细！！！说明：本文转载于 https://www.jianshu.com/p/46eb3004beca该文章只用于学习相关的知识，感谢作者提供解释文章目录Pytorch使用tensorboardX可视化。超详细！！！1引言2 环境安装3 代码教程3.1 scalar教程1引言 我们都知道tensorflow框架可以使用tensorboard这一高级的可视化的工具，为了使用tensorboard这一套完美的可视化工具，未免可以将其应用到
2021-02-18 17:07:28
257
原创 pytorch Microsoft Visual C++ Redistributable is not installed 问题解决
安装pytorch遇到的问题已经按照教程安装好了cuda,pytorch.但是我导入torch时总报错啊，整了大半天了，提示Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure.但是我都安装了呀！解决方法：参考微博： https://blog.csdn.net/qq_29750461/article/details/108083764...
2020-08-28 22:57:38
2475
4
原创 从清华镜像安装pytorch
由于从官网下载pytorch会比较慢，所以冲国内的清华镜像中下在pytorch会快很多。步骤1.添加清华通道conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/conda config --set show_chann
2020-08-28 10:16:00
907
原创 关于pip升级报错问题
今天本想更新一下pytorch的版本的，然后使用pip进行更新，提示pip版本过低，于是就先升级了一下pip，然后就爆炸了。。。。。。。。。。。。。经过半天的百度查找原因解决。。。。。。。终于找到了原因以及解决办法。错误的展示原因：由于Windows10在cmd下执行升级时没有使用管理员权限，导致upgrade后下载的20.xx.whl文件后无权执行，此时原有的部分配置文件已经被修改导致无法找到pip模块相关路径。建议今后在Windows下执行pip升级时启动shell要给授予的管理员权限解
2020-08-28 00:09:19
272
原创 李宏毅机器学习作业HW1
本作业主要参考秋沐霖https://www.cnblogs.com/HL-space/p/10676637.html自己代码的做的更改1、考虑前5小时的PM2.5对第6小时的影响，有可能考虑太久以前的对当前的影响可能几乎为0.2、考虑比较近的前2小时影响比较大，用2次项3、随机抽样：样本打乱然后再取前90%样本数据作为训练集，取后10%样本数据作为验证集合。4、画出了loss和No.of parameters updates的图，用来查看loss随着更新的次数的变化情况。# 调整训练的数据集
2020-08-26 21:36:59
788
3
原创 softmax函数的搬运工
softmax函数以及Python实现文章目录softmax函数以及Python实现softmax函数softmax函数的Python实现实现softmax函数时的注意事项softmax函数softmax函数一般用于分类问题的输出层。分类问题中使用的softmax函数的表现形式如下exp(x)是表示ex的指数函数，上面的式子表示假设输出层共有n个神经元，计算第k个神经元的输出y k。分子是输入信号ak的指数函数，分母是所有输入信号的指数函数的和。如果用图表示softmax函数的话，如下图。so
2020-07-27 12:35:17
133
原创 KNN原理和实现
文章目录KNN的原理参考文章这里我主要列出kd树上的knn算法1、KNN的优缺点和使用范围2、简单的代码实现（计算所有样本跟该样本的距离，没有用kd树实现）3、实例：使用KNN进行电影分类4、使用kd树实现KNN查看下面链接5、总结本篇介绍的机器学习算法：K-近邻算法，它非常有效而且易于掌握在阅读本文前，希望先阅读一下两篇参考文章。KNN的原理参考文章1、KNN的原理： https://www.joinquant.com/view/community/detail/a98b7021e7391c62f
2020-06-20 15:56:24
587
原创 Python实现感知机
文章目录一、实现例子二、代码三、训练结果四、测试一、实现例子李航《统计学方法》第二版p40 例2.1正例：x1=(3,3), x2=(4,3),负例：x3=(1,1)二、代码1、代码一：代用类似随机梯度下降法，但是总感觉这个代码没有一个退出的判断条件，只是说训练了多少次就退出。import numpy as npimport matplotlib.pyplot as pltp_x = np.array([[3,3], [4,3], [1,1]])y = np.array([1,1,-1]
2020-06-18 11:13:14
296
原创 神经网络--反向传播过程详解
转载请说明出处。反向传播推导过程本推导过程利用如下图简单的三层神经网络。参考：https://www.cnblogs.com/codehome/p/9718611.html
2020-05-12 12:42:24
235
原创 B树的定义和查找
文章目录B树设计的原因B树的定义B树的查找操作B树设计的原因Ｂ树出现是因为磁盘ＩＯ。ＩＯ操作的效率很低，那么，当在大量数据存储中，查询时我们不能一下子将所有数据加载到内存中，只能逐一加载磁盘页，每个磁盘页对应树的节点。造成大量磁盘ＩＯ操作（最坏情况下为树的高度）。平衡二叉树由于树深度过大而造成磁盘IO读写过于频繁，进而导致效率低下。所以，我们为了减少磁盘ＩＯ的次数，就你必须降低树的深度，将“...
2020-05-03 18:38:21
646
原创 C++经典题目：移动位置，后面的数字移动到前面
C++输入n个整数并存储，使前面各个数顺序向后移动m(m<n)个位置，最后m个数字变成最前的m个数字，存储，并输出移动后的新数字串#include<iostream>#define MAXLEN 200 using namespace std;int a[MAXLEN],b[MAXLEN];int * move(int a[],int n,int m); int ...
2020-04-30 18:16:00
1629
原创 百度AI训练营--《青春有你2》选手图片爬取
文章目录！！！作业说明！！！1.请在下方提示位置，补充代码，完成《青春有你2》选手图片爬取，将爬取图片进行保存，保证代码正常运行2.打印爬取的所有图片的绝对路径，以及爬取的图片总数，此部分已经给出代码。请在提交前，一定要保证有打印结果，如下图所示：任务描述一、爬取百度百科中《青春有你2》中所有参赛选手信息，返回页面数据二、对爬取的页面数据进行解析，并保存为JSON文件三、爬取每个选手的百度百科图片...
2020-04-24 19:41:02
1174
原创 python基础--打印99乘法表以及查找指定目录下的文件
文章目录百度飞浆深度学习训练营--Python小白逆袭大神作业一：输出 9*9 乘法口诀表(注意格式)作业二：查找特定名称文件百度飞浆深度学习训练营–Python小白逆袭大神地址：https://aistudio.baidu.com/aistudio/education/group/info/1224作业一：输出 9*9 乘法口诀表(注意格式)注意：提交作业时要有代码执行输出结果。def...
2020-04-23 11:12:00
369
原创 吴恩达深度学习--目标定位
目标定位文章目录目标定位定义简单的定位分类目标标签y损失函数这一周我们学习的主要内容是对象检测，它是计算机视觉领域中一个新兴的应用方向，相比前两年，它的性能越来越好。在构建对象检测之前，我们先了解一下对象定位，首先我们看看它的定义。定义图片分类任务我们已经熟悉了，就是算法遍历图片，判断其中的对象是不是汽车，这就是图片分类。这节课我们要学习构建神经网络的另一个问题，即定位分类问题。**这意味...
2020-04-20 11:09:24
799
2
转载 谷歌 Inception 网络简介（GoogLeNet）
构建卷积层时，你要决定过滤器的大小究竟是1×1，3×3还是5×5，或者要不要添加池化层。而Inception网络的作用就是代替你来决定，虽然网络架构因此变得更加复杂，但网络表现却非常好，我们来了解一下其中的原理。例如，这是你28×28×192维度的输入层，Inception网络或Inception层的作用就是代替人工来确定卷积层中的过滤器类型，或者确定是否需要创建卷积层或池化层，我们演示一下。...
2020-04-17 21:11:23
609
原创 百度深度学习--图像均值模糊
案例3——图像均值模糊另外一种比较常见的卷积核是用当前像素跟它邻域内的像素取平均，这样可以使图像上噪声比较大的点变得更平滑，如下代码所示：import matplotlib.pyplot as pltfrom PIL import Imageimport numpy as npimport paddleimport paddle.fluid as fluidfrom paddl...
2020-04-13 21:43:21
217
原创 百度深度学习--图像中物体边缘检测
案例2——图像中物体边缘检测上面展示的是一个人为构造出来的简单图片使用卷积检测明暗分界处的例子，对于真实的图片，也可以使用合适的卷积核对它进行操作，用来检测物体的外形轮廓，观察输出特征图跟原图之间的对应关系，如下代码所示：import matplotlib.pyplot as pltfrom PIL import Imageimport numpy as npimport paddle...
2020-04-13 21:30:47
1774
原创 百度深度学习--卷积算子的应用（一）
卷积算子应用举例下面介绍卷积算子在图片中应用的三个案例，并观察其计算结果。案例1——简单的黑白边界检测下面是使用Conv2D算子完成一个图像边界检测的任务。图像左边为光亮部分，右边为黑暗部分，需要检测出光亮跟黑暗的分界处。可以设置宽度方向的卷积核为[1,0,−1][1, 0, -1][1,0,−1]，此卷积核会将宽度方向间隔为1的两个像素点的数值相减。当卷积核在图片上滑动的时候，如果它所覆...
2020-04-13 19:21:55
412
原创 百度深度学习--手写数字识别之网络结构
概述前几节我们尝试使用与房价预测相同的简单神经网络解决手写数字识别问题，但是效果并不理想。原因是手写数字识别的输入是28 × 28的像素值，输出是0-9的数字标签，而线性回归模型无法捕捉二维图像数据中蕴含的复杂信息，如 图1 所示。无论是牛顿第二定律任务，还是房价预测任务，输入特征和输出预测值之间的关系均可以使用“直线”刻画（使用线性方程来表达）。但手写数字识别任务的输入像素和输出数字标签之间的...
2020-04-11 17:37:13
1299
原创 百度深度学习--手写数字识别之恢复训练
模型加载及恢复训练在快速入门中，我们已经介绍了将训练好的模型保存到磁盘文件的方法。应用程序可以随时加载模型，完成预测任务。但是在日常训练工作中我们会遇到一些突发情况，导致训练过程主动或被动的中断。如果训练一个模型需要花费几天的训练时间，中断后从初始状态重新训练是不可接受的。万幸的是，飞桨支持从上一次保存状态开始训练，只要我们随时保存训练过程中的模型状态，就不用从初始状态重新训练。下面介绍恢复...
2020-04-11 17:28:55
383
原创 百度深度学习--手写数字识别之优化算法
文章目录概述前提条件设置学习率学习率的主流优化算作业 2-3概述上一节我们明确了分类任务的损失函数（优化目标）的相关概念和实现方法，本节我们依旧横向展开"横纵式"教学法，如 图1 所示，本节主要探讨在手写数字识别任务中，使得损失达到最小的参数取值的实现方法。图1：“横纵式”教学法 — 优化算法前提条件在优化算法之前，需要进行数据处理、设计神经网络结构，代码与上一节保持一致，如下所示。...
2020-04-11 11:25:51
1088
原创 百度深度学习--手写数字识别之损失函数
文章目录概述分类任务的损失函数Softmax函数交叉熵交叉熵的代码实现概述上一节我们尝试通过更复杂的模型（经典的全连接神经网络和卷积神经网络），提升手写数字识别模型训练的准确性。本节我们继续将“横纵式”教学法从横向展开，如 图1 所示，探讨损失函数的优化对模型训练效果的影响。图1：“横纵式”教学法 — 损失函数优化 损失函数是模型优化的目标，用于在众多的参数取值中，识别最理想的取值。损...
2020-04-11 11:12:13
1948
原创 百度深度学习--手写数字识别之数据处理
文章目录概述前提条件读入数据并划分数据集扩展阅读：为什么学术界的模型总在不断精进呢？训练样本乱序、生成批次数据校验数据有效性机器校验人工校验封装数据读取与处理函数异步数据读取概述上一节我们使用“横纵式”教学法中的纵向极简方案快速完成手写数字识别任务的建模，但模型测试效果并未达成预期。我们换个思路，从横向展开，如 图1 所示，逐个环节优化，以达到最优训练效果。本节主要介绍手写数字识别模型中，数据...
2020-04-10 21:58:18
1245
原创 吴恩达机器学习--线性/逻辑回归正则化
正则化线性回归、逻辑回归文章目录正则化线性回归、逻辑回归1、正则化线性回归2、正则化的逻辑回归模型1、正则化线性回归对于线性回归的求解，我们之前推导了两种学习算法：一种基于梯度下降，一种基于正规方程。正则化线性回归的代价函数为：如果我们要使用梯度下降法令这个代价函数最小化，因为我们未对theta0进行正则化，所以梯度下降算法将分两种情形：对上面的算法中j=1，2，…,n 时的更新式...
2020-04-10 16:20:04
300
1
原创 吴恩达机器学习--过拟合问题
如何处理过拟合问题文章目录如何处理过拟合问题前言什么是过拟合一、减少特征的数量二、正则化前言看到这篇文章的同学，我希望是已经学习了几种不同的学习算法，包括线性回归和逻辑回归，它们能够有效地解决许多问题，但是当将它们应用到某些特定的机器学习应用时，会遇到过拟合(over-fitting)的问题，可能会导致它们效果很差。在这篇文章中，我将为你解释什么是过度拟合问题，并且在此之后接下来的几个视频...
2020-04-10 12:30:55
276
原创 百度深度学习--numpy基础入门
概述Numpy（Numerical Python的简称）是高性能科学计算和数据分析的基础包。使用飞桨构建神经网络模型时，通常会使用Numpy实现数据预处理和一些模型指标的计算，飞桨中的Tensor数据可以很方便的和ndarray数组进行相互转换。本节主要介绍Numpy如下功能：ndarray数组：一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组。对整组数据进行快速运算的标准数...
2020-04-09 23:26:41
347
转载 吴恩达机器学习--多类别分类：一对多
多类别分类：一对多我们将谈到如何使用逻辑回归 (logistic regression)来解决多类别分类问题，具体来说，我想通过一个叫做"一对多" (one-vs-all) 的分类算法。举例第一个例子：假如说你现在需要一个学习算法能自动地将邮件归类到不同的文件夹里，或者说可以自动地加上标签，那么，你也许需要一些不同的文件夹，或者不同的标签来完成这件事，来区分开来自工作的邮件、来自朋友的邮件、...
2020-04-09 18:10:23
1740
3
转载 吴恩达机器学习--逻辑回归代价函数的推导过程
逻辑回归代价函数的推导过程1、代价函数在篇文章中，我们要介绍如何拟合逻辑回归模型的参数。具体来说，我要定义用来拟合参数的优化目标或者叫代价函数，这便是监督学习问题中的逻辑回归模型的拟合问题。对于线性回归模型，我们定义的代价函数是所有模型误差的平方和。理论上来说，我们也可以对逻辑回归模型沿用这个定义，但是问题在于，当我们将带入到这样定义了的代价函数中时，我们得到的代价函数将是一个非凸...
2020-04-09 17:54:00
1711
4
转载 吴恩达机器学习--逻辑回归
逻辑回归简介逻辑回归主要处理的是机器学习中的分类问题。在分类问题中，你要预测的变量 是离散的值，我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法，这是目前最流行使用最广泛的一种学习算法。在分类问题中，我们尝试预测的是结果是否属于某一个类（例如正确或错误）。分类问题的例子有：判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；之前我们也谈到了肿瘤分类问题...
2020-04-09 17:37:44
170
转载 关于numpy中seed随机数种子的使用
关于numpy中seed随机数种子的使用numpy.random.seed随机种子生成器，使下一次生成的随机数为由种子数决定的“特定”的随机数，如果seed中参数为空，则生成的随机数“完全”随机：>>> import numpy as np>>> np.random.seed(1) #指定生成“特定”的随机数-与seed 1 相关>>...
2020-04-06 22:52:31
851
原创 华侨大学2009C++试卷--设计并测试复数类
华侨大学2009C++试卷2、设计并测试复数类（Complex）(1) 设计一个复数类（Complex）包含两个数据成员：实部（real），虚部（imagin）；包含如下主要成员函数：• 构造函数（用来初始化一个复数对象，默认实部、虚部均为0）；• 重载加、减法运算符（+、-）实现复数类的加、减法运算；• 显示复数对象，按a+bi（a为实部、b为虚部）格式输出一...
2020-04-01 16:32:38
287
原创 C++继承与派生：派生类中对基类成员的重定义
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎使用Ma...
2020-03-31 16:46:28
2026
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人