摘要：
一、实验目的 学习和掌握利用有限自动机编写词法分析程序。 实验要求如下： 二、程序功能描述 简要描述：该程序根据C语言的文法，实现了C语言词法分析。 详细来说，其功能主要表现在： ①该程序可以从头到尾扫描整个文本 ②该程序可以分析每个token是什么，如int为保留字，>=是双字符分节符 ③该程序可 阅读全文
摘要：
MARKDOWN基本操作简要介绍：MARKDOWN是一种轻量型标记语言，追求极简主义，高效，清晰易读、易写、易更改纯文本兼容性极高，跨平台使用，多网站支持基础教程0.写Markdown的第零步我们写文本的时候大多时候写的是中文，可是输入法在输入中文时使用的标点是全角标点，这些标点是不被Markdow 阅读全文
摘要：
15、对多分类模型采用十折交叉验证评估 #导入必要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms impor 阅读全文
摘要：
14、对二分类模型采用十折交叉验证评估 #导入必要的包 import torch import torch.nn as nn from torch.utils.data import TensorDataset,DataLoader from torch.nn import init import 阅读全文
摘要：
13、对回归模型采用十折交叉验证评估 #导入必要的包 import torch from torch import nn import numpy as np import matplotlib.pyplot as plt from torch.utils.data import DataLoade 阅读全文
摘要：
12、在多分类任务实验中用torch.nn实现 𝑳𝟐 正则化 L2正则化的功效作用： 1. 在深度学习中，用的比较多的正则化技术是L2正则化，其形式是在原先的损失函数后边再加多一项：12𝜆𝜃2𝑖12λθi2，那加上L2正则项的损失函数就可以表示为：𝐿(𝜃)=𝐿(𝜃)+𝜆∑𝑛𝑖 阅读全文
摘要：
11、在多分类任务实验中手动实现 𝑳𝟐 正则化 #导入必要的包 import torch import numpy as np import random from IPython import display from matplotlib import pyplot as plt impor 阅读全文
摘要：
10、在多分类任务实验中用torch.nn实现dropout #导入必要的包 import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as trans 阅读全文
摘要：
9、在多分类任务实验中手动实现dropout import torch import torch.nn as nn import numpy as np import torchvision import torchvision.transforms as transforms import mat 阅读全文
摘要：
8、对多分类任务中的模型评估隐藏层层数和隐藏单元个数对实验结果的影响 1.确定隐藏层的层数 对于一些很简单的数据集，一层甚至两层隐藏元都已经够了，隐藏层的层数不一定设置的越好，过多的隐藏层可能会导致数据过拟合。对于自然语言处理以及CV领域，则建议增加网络层数。 层数越深，理论上来说模型拟合函数的能力 阅读全文