拇指笔记

52 篇文章
11 人订阅

全部文章

树枝990

【动手学深度学习笔记】之图像分类数据集(Fashion-MNIST)

这个数据集是我们在后面学习中将会用到的图形分类数据集。它的图像内容相较于手写数字识别数据集MINIST更为复杂一些,更加便于我们直观的观察算法之间的差异。

8310
树枝990

【动手学深度学习笔记】之softmax回归

对于离散值预测问题,我们可以使用诸如softmax回归这样的分类模型。softmax回归模型有多个输出单元。本章以softmax回归模型为例,介绍神经网络中的分...

8420
树枝990

【动手学深度学习笔记】之Pytorch实现线性回归

Pytorch提供了大量预定义的层,使用框架时,主要是需要关注使用哪些层来构造模型。

9420
树枝990

【数学建模】模拟退火算法介绍及实现

模拟退火法的核心原理:当材料从状态i进入状态j时,若E(j)<=E(i),状态会被转移(E(i)=E(j));若为其他情况,状态会以小概率被转移。也就是说,模拟...

9830
树枝990

【动手学深度学习笔记】之实现softmax回归模型

设置小批量数目为256。这一部分与之前的线性回归的读取数据大同小异,都是转换类型-->生成迭代器。

10320
树枝990

三分钟解决Fashion-MNIST无法下载的问题

下面讲一下我解决这个问题的办法 首先创建一个这个目录 <C:\Users\树枝990\Datasets\FashionMNIST\FashionMNIST> ...

8830
树枝990

【动手学深度学习笔记】之PyTorch实现softmax回归

由softmax回归模型的定义可知,softmax回归模型只有权重参数和偏差参数。因此可以使用神经网络子模块中的线性模块。

8430
树枝990

【动手学深度学习笔记】之线性回归

线性回归是单层神经网络,设计的概念和技术适用于大多数深度学习模型;因此,我们以线性回归为例,学习深度学习模型的基本要素和表示方法。

6630
树枝990

【动手学深度学习笔记】之多层感知机(MLP)

多层感知机在单层神经网络的基础上引入了一到多个隐藏层(hidden layer)。如图所示的隐藏层一共有5个隐藏单元。由于输入层不涉及计算,因此这个多层感知机的...

8820
树枝990

【动手学深度学习笔记】之线性回归实现

这一节不牵扯深度学习框架,仅使用Tensor和autograd库来训练线性回归模型。

10550
树枝990

【数学建模】之传染病模型

5920
树枝990

【动手学深度学习笔记】之PyTorch实现多层感知机

上一步最终得到的数据为tensor(x)的形式,为了得到最终的pytorch number,需要对其进行下一步操作

10240
树枝990

【数学建模】之Matlab实现BP神经网络

trainning:用来训练的数据。 validtion:测量网络泛化的数据(泛化停止改善时停止训练) testing:用来测试神经网络的数据。

13640
树枝990

【动手学深度学习笔记】之模型选择、过拟合与欠拟合

机器学习过程中,评估候选模型并从中选择模型的过程叫做模型选择。模型选择的对象不仅是不同的模型也可以是有着不同超参数的同一模型。

9450
树枝990

【动手学深度学习笔记】之过拟合与欠拟合实例

每个小批量设置为10,使用TensorDataset转换为张量,使用DataLoader生成迭代器。

7320
树枝990

解决jupyter notebook matplotlib绘图中文乱码问题

最近想给绘制出来的图加入中文标题,但是出现方形乱码。查了番资料,最后找到了解决办法。

10930
树枝990

【动手学深度学习笔记】之正向传播与反向传播

在训练深度学习模型时,正向传播和反向传播之间相互依赖。一方面正向传播的计算可能依赖于模型参数的当前值而这些模型参数是在反向传播的梯度计算后通过优化算法迭代的。另...

10260
树枝990

我对torch中的gather函数的一点理解

假设输入与上同;index=B;输出为C B中每个元素分别为b(0,0)=0,b(0,1)=0 b(1,0)=1,b(1,1)=0

9740
树枝990

【动手学深度学习笔记】之多层感知机实现

Fashion-MNIST数据集中的图像为28*28像素,也就是由784个特征值。Fashion-MNIST数据集一共有十个类别。因此模型需要784个输入,10...

8310
树枝990

【动手学深度学习笔记】之通过权重衰减法解决过拟合问题

为了减轻上一篇文章提到的过拟合现象,往往需要增大训练集,但增大训练集的代价往往是高昂的。

11620

扫码关注云+社区

领取腾讯云代金券