摘要:H3:[1,1] #第一个1表示照片数量,第二个1表示0~9的一个数字 one-hot(上图)就没有1<2<3的大小关系了 #编码方式 欧式距离 线性很难识别现实的数字问题,如1的字体、倾斜度等 P(1|x)=0.8 #给定x ,label(也就是y)为1的概率为0.8 argmax(pred) #
阅读全文
摘要:import torch import time a = torch.randn(10000, 1000)#要有空格 b = torch.randn(1000, 2000)#1000行,2000列的矩阵 t0 = time.time() c = torch.matmul(a, b)#CPU模式的矩阵
阅读全文
摘要:1.目前使用CPU即可,先不需要显卡配置 2.使用pip3 安装深度学习框架 3.要先安装pip3 #sudo apt install python3-pip https://blog.csdn.net/bjzhaoxiao/article/details/81270368 https://blog
阅读全文
摘要:Relu :梯度非1即0 :激活函数 :输入门 :临时的中间状态 综合:
阅读全文
摘要:半个1*1,半个3*3 DF*DF :feature map 的大小 DK*DK :卷积核的大小 M:通道数目 在Pointwise Con中,DK=1Xcep 可缩小为1/8 单个BLOCK的参数量变大,但需要的BLOCK的数目减少了 1*1的Pointwise 是为了打通信息流,那么Shuffl
阅读全文
摘要:监督学习:标注数据 半监督学习:标注数据和未标注数据 无监督学习:未标注学习 监督学习的性能最可靠,用于企业 通常层间神经元不相通 损失函数:每次都找下山最快的方向(梯度下降法)依赖于网络初始值 神经网络的缺点: 局部最优:下山不一定到最低点 梯度弥散:如:1 0.5 0.25 0.125(接近0)
阅读全文
摘要:一个卷积核是3维的(Ci*k*k),一个卷积层是4维的 Ci :输入通道数 ,padding :左右两边补零的数量 stride :步长,滑窗隔几个滑一下 。padding 和K 要匹配使用 没有提取任何的空间信息,只是简单的缩放 2(Ci/2*K*K/Co/2) 正常卷积的1/2。一般显卡不够用的
阅读全文
摘要:>>> d = {'china':'bei','usa':'noy','fra':'par'} >>> d['china'] 'bei' >>> de = {};type(de) #type(x) 返回x 的类型 <class 'dict'> >>> del d['usa'] >>> d {'chi
阅读全文
摘要:序列是具有先后关系的一组元素 s[0]:第0个位置 >>> s ='123456' >>> s[0:2] '12' >>> s[::2] '135' >>> s*3 '123456123456123456' >>> t='cv' >>> s+t '123456cv' >>> '1' in s Tru
阅读全文
摘要:1.集合元素之间无序,每个元素唯一,不存在相同元素 2.集合元素不可更改,不能是可变数据类型 集合用{}表示,元素间用,分隔 建立集合类型用{}或者set() .建立空集合类型,必须用set(),因为空的{}是默认生成字典类型的 >>> s = {'a','b',123} >>> t = set('
阅读全文
摘要:PyInstaller 都要命令行下进行 将.py源代码转化为无需源代码的可执行文件 D:\python\code>pyinstaller -F qihuaguan.py 要进入py文件的目录,会生成3个文件夹,进入dist目录 打开exe文件即可 在使用pyinstaller -i 2.ico -
阅读全文
摘要:#字符串反转 def ves(s): if s=='': return s else: return ves(s[1:])+s[0] s=input() print(s[::-1]) print(ves(s)) ''' CAVD DVAC DVAC ''' #汉诺塔 cnt =0 def hano(
阅读全文
摘要:一张图片表示为三维数组,每个像素值0~255像素点与亮度有关300*100*3 3:[R,G,B]常规套路:1.收集数据并给定标签2.训练一个分类器3.测试,评估合适的数据大小计算图像数据:
阅读全文
摘要:在文本框里enter 才可换行,再缩进。插入 -- 形状 --无填充颜色就不会盖住原来的东西了复制完一张ppt后,点击PPTa,再粘贴可以在PPT a 后面粘贴
阅读全文
摘要:打开云文档的文件:文件-打开-我的云文档 (选择时的文档为PDF时仅扫描PDF文件)
阅读全文