随笔分类 - Python
Python
摘要：前言 本文主要介绍卷积神经网络的使用的下半部分。 另外，上篇文章增加了一点代码注释，主要是解释（w-f+2p）/s+1这个公式的使用。 所以，要是这篇文章的代码看不太懂，可以翻一下上篇文章。 代码实现 之前，我们已经学习了概念，在结合我们以前学习的知识，我们可以直接阅读下面代码了。 代码里使用了，d
阅读全文
摘要：前言 本文介绍卷积神经网络的上半部分。 其实，学习还是需要老师的，因为我自己写文章的时候，就会想当然，比如下面的滑动窗口，我就会想当然的认为所有人都能理解，而实际上，我们在学习的过程中之所以卡顿的点多，就是因为学习资源中想当然的地方太多了。 概念 卷积神经网络，简称CNN， 即Convolution
阅读全文
摘要：前言 本文主要讲神经网络的下半部分。 其实就是结合之前学习的全部内容，进行一次神经网络的训练。 神经网络 下面是使用MNIST数据集进行的手写数字识别的神经网络训练和使用。 MNIST 数据集，是一个常用的手写数字识别数据集。MNIST 数据集包含 60,000 张 28x28 像素的灰度训练图像和
阅读全文
摘要：前言 本文主要讲神经网络的上半部分。 这篇文章开始有很多公式了，这些公式都很简单，但是如果是不经常在脑海里思考公式的人，那可能需要多花点时间做一下自我训练，个人感觉，也就几天时间，就能把自己感觉给调整出来。 习惯了公式看下面内容就会轻松很多，另外如果要深入学习人工智能，熟练的认知公式也是个必须的事情
阅读全文
摘要：前言 上文有一些文字打错了，已经进行了修正。 本文主要介绍训练模型和使用模型预测数据，本文使用了一些numpy与tensor的转换，忘记的可以结合第一篇文章一起看。 线性回归模型训练 结合numpy使用 首先使用datasets做一个数据X和y，然后结合之前的内容，求出y_predicted。 #
阅读全文
摘要：前言 接续上一篇的optimizer的学习。 optimizer 代码和上一篇文章的一样，如下: import torch import numpy as np import torch.nn as nn X = torch.tensor([1, 2, 3, 4], dtype=torch.floa
阅读全文
摘要：前言 这篇文章主要两个内容。 一，把上一篇关于requires_grad的内容补充一下。 二，介绍一下线性回归。 关闭张量计算 关闭张量计算。这个相对简单，阅读下面代码即可。 print(" 关闭require_grad ") x = torch.randn(3, requires_grad=Tru
阅读全文
摘要：前言 数学的学习跟数学的计算是要分开的，现在回头再去看大学的高数和线性代数，如果只是学习的话，其实一门课程3天，也就学完了。 学校的课程之所以上那么久，其实是为了考试，也就是为计算准备的。计算是有意义的，但在有计算机的情况下，计算的意义并不是很大。 所以，如果大学数学没学好，只要花一星期，就能补回来
阅读全文
摘要：前言 其实学习人工智能不难，就跟学习软件开发一样，只是会的人相对少，而一些会的人写文章，做视频又不好好讲。 比如，上来就跟你说要学习张量，或者告诉你张量是向量的多维度等等模式的讲解；目的都是让别人知道他会这个技术，但又不想让你学。 对于学习，多年的学习经验，和无数次的回顾学习过程，都证明了一件事，如
阅读全文
摘要：前言 我是一个完全没用过python的人，所以，想写机器学习，就得从语法入手。 首先上W3cSchool去学习基础语法。 基础语法都差不多，重点看一下函数，模块，面向对象。 函数的写法稍有不同，格式上类似yml的写法；模块会介绍import的相关信息；面向对象会介绍类的相关信息。 参考网站： htt
阅读全文