1

随笔分类 -  深度学习

摘要:通常最优化一个损失函数: \(cost = \jmath (\theta ) = \frac{1}{2m} \sum_{m}^{i=1} (h_{\theta } (x^{i})-y^{i}))^{2}\) 梯度向量的方向即为函数值增长最快的方向。简单说就是损失函数以最快的速度减小,就是梯度的方向。 阅读全文
posted @ 2024-06-28 12:11 Bonne_chance 阅读(36) 评论(0) 推荐(0) 编辑
摘要:Win11+Miniconda3+python3.9安装pyspark+pytorch 步骤1:安装Miniconda3,具体可以百度或者google 步骤2:安装好Miniconda3之后,要创建虚拟环境,类似于虚拟机的样子,然后在虚拟环境安装各种python包 已经装好了pytorch,具体步骤 阅读全文
posted @ 2024-06-18 18:04 Bonne_chance 阅读(162) 评论(0) 推荐(0) 编辑
摘要:利用深度学习实现序列模型 序列问题的含义是接收一个序列作为输入,然后期望预测这个序列的后续。例如继续预测2,4,6,8,10...。这在时间序列中是相当常见的,可以用来预测股市的波动、患者的体温曲线或者赛车所需的加速度。 从原理上说,==卷积神经网络可以有效处理空间信息,那么循环神经网络则能更好处理 阅读全文
posted @ 2023-04-28 15:23 Bonne_chance 阅读(75) 评论(0) 推荐(0) 编辑
摘要:正态分布可视化 可视化函数 def set_axes(axes, xlabel, ylabel, xlim, ylim, xscale, yscale, legend): """设置matplotlib的轴""" axes.set_xlabel(xlabel) axes.set_ylabel(yla 阅读全文
posted @ 2023-04-27 10:04 Bonne_chance 阅读(85) 评论(0) 推荐(0) 编辑
摘要:利用pytorch深度学习框架验证骰子的合格性 骰子生产的合格性可以用概率来表达,比如每个面出现的概率大概都是1/6。 import torch from d2l import torch as d2l from torch.distributions import multinomial # 多次 阅读全文
posted @ 2023-04-26 20:20 Bonne_chance 阅读(99) 评论(0) 推荐(0) 编辑
摘要:动手学习深度学习-pandas dataframe转为张量 创建数据 在当前目录的上一级目录创建csv文件,然后写入数据 import os os.makedirs(os.path.join('..','data'),exist_ok=True) # '..'表示上一级目录路径 data_file 阅读全文
posted @ 2023-04-26 15:56 Bonne_chance 阅读(248) 评论(0) 推荐(0) 编辑
摘要:Win10(CPU)+ Anaconda3 + python3.9安装pytorch 1. 安装Anaconda3 1.1 下载Anaconda3 可以在官网下载Anaconda3-2022.05-Windows-x86_64.exe,这个版本对应的是python3.9。 1.2 安装Anacond 阅读全文
posted @ 2023-04-05 13:16 Bonne_chance 阅读(543) 评论(0) 推荐(0) 编辑

1
点击右上角即可分享
微信分享提示