PyTorch 张量高阶操作
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89182394 3. 张量高阶操作 Broadcast 机制 Tensor 分割与合并 Tensor 运算 Tensor 统计 Tensor 高阶操作 Broadcast 机制 Broadcast (expand+withoutcopying) [广播机制] 关键步骤： Insert 1 dim ahead (unsqueeze)
PyTorch 随机梯度下降
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89183618 4. 随机梯度下降 梯度 常见函数的梯度 激活函数 Loss 损失函数的梯度 梯度 导数 （标量） 偏微分 （函数延某个方向的变换量 标量） 梯度 （函数变化量最大的方向 向量） 梯度的意义：模为变换率大小，矢量方向。 如何求取最小值：梯度下降 θt+1=θt−αt∇f(θt)\theta_{t+1} = \the
感知机 MLP 梯度反向传播详细推导
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89187037 5. 感知机梯度传播推导 单一输出感知机 多输出感知机 链式法则 MLP 反向传播推导 2D 函数优化实例 单一输出感知机 x = torch.randn(1, 10)
w = torch.randn(1, 10, requires_grad=True)
o = torch.sigmoid([email protected]())
o.s
PyTorch 多层感知机与分类器 实战-Minst
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89188234 6. 多层感知机与分类器 逻辑回归 交叉熵 多分类实战-Minst 全连接层 激活函数与GPU加速 常用激活函数 一键部署 GPU 加速 测试与可视化 测试 可视化 逻辑回归 对于逻辑回归我们不能直接最大化 accuracy。 • acc.= I(predi==yi)len(Y)\frac{I(pred_i==y_
tensorflow 2.0 预览版安装
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89189566 pip install tf-nightly-2.0-preview #cpu version
pip install tf-nightly-gpu-2.0-preview #gpu version
tensorflow 2.0 alpha安装
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89189967 # cpu version
pip install tensorflow==2.0.0-alpha0
# gpu version
pip install tensorflow-gpu==2.0.0-alpha0
PyTorch 数据归一化与反归一化
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89205558 文章目录 数据归一化 除最大值法 MinMaxScaler 均值和标准差 反归一化 数据归一化 除最大值法 def read_and_normalize_train_data():
train_data, train_label = load_train()
print('Convert to
PyTorch 深度学习的技巧
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89206770 7. 深度学习的技巧 过拟合与欠拟合 欠拟合 过拟合 交叉验证 数据划分 K-flod 交叉验证 正则化 奥卡姆剃刀原理 防止过拟合的方法 正则化 L1范数 L2范数 动量与学习率衰减 动量 学习率衰减 提前停止更新与 dropout 提前停止更新 dropout 过拟合与欠拟合 欠拟合 模 型 简 单 ， 表 达
python下划线的 5 种含义
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89208567 模式 举例 含义 单前导下划线 _var 命名约定，仅供内部使用。通常不会由 python 解释器强制执行（通配符导入除外），只作为对程序员的提示 单末尾下划线 var_ 按约定使用以避免与 python 关键字的命名冲突。 双前导下划线 __var 当在类中上下文中使用时，触发名称修饰。由 python 解释器强
tensorflow2.0 优势
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89209254 1. tensorflow 2.0 的优势 相比 tensorflow 1.x gpu 加速 自动求导 神经网络的Layers 相比 tensorflow 1.x 调试简单 API相对清晰 容易入门 趋势：大批研究人员者将转向tensorflow 2.x session.run tf.control_depende
WinEdt 和 Sumatra 双向关联设置
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89213460 配置PDF Viewer，在菜单栏选Options -> Execution Modes ->PDF Viewer ->点击右侧的“Browse”按钮，在弹出窗口中选择SumatraPDF程序的路径，“xxxxx\SumatraPDFPortable\App\sumatrapdf\SumatraPDF.exe”，一
tensorflow 2.0 实战-Minst
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89229968 2. 手写字体识别 数据载入 搭建全连接网络 计算输出和 Loss 计算梯度与回传 Loop 完整代码 数据载入 import os
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers, o
小清新个人简历PPT模板
个人简历是自己学习生活的简短集锦，也是求职者自我评价和认定的主要材料。它是一扇窗户，能使用人单位透过它了解到求职者的部分情况，也能激起用人单位与求职者进一步接触的浓厚兴趣。今日和大家分享的是一份小清新个人简历PPT模板。本次作品主要内容有，自我简介，个人基本信息，工作经历，作品展示、专业技能，荣誉奖项，个人能力以及自我推荐信。详情模板如图：该小清新个人简历PPT模板进入到办公资源网就可以搜索到，模
python assert 使用
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89238603 文章目录 assert断言的作用 assert断言语句的语法格式 为assert断言语句添加异常参数 使用assert断言是学习python一个非常好的习惯，python assert 断言句语格式及用法很简单。在没完善一个程序之前，我们不知道程序在哪里会出错，与其让它在运行最崩溃，不如在出现错误条件时就崩溃，这时
python enumerate 使用
版权声明：版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/z_feng12489/article/details/89240094 文章目录 enumerate 介绍 enumerate 使用 补充 enumerate 介绍 enumerate函数用于遍历序列中的元素以及它们的下标,多用于在for循环中得到计数,enumerate参数为可遍历的变量，如 字符串，列表等。 一般情况下对一个列表或数组既要遍历索引又要遍历元素时，会这样写： for
很详细的SpringBoot整合UEditor教程
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_33745799/article/details/70031641 UEditor只提供JSP版本的后端入口代码。但提供了项目源码，因此可以根据业务需求修改源代码。 此处使用了SpringBoot框架，配备了Thymeleaf模板引擎，所以没有必要再添加jsp来兼容UEditor，可通过修改源码满足需要。下面是详细教程。 1.新建SpringBoot项目，添加web和thymeleaf包 p
Java虚拟机01——Java内存数据区域和内存溢出异常
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_33745799/article/details/88897298 运行时数据区域 Java虚拟机在执行Java程序的过程中会把它所管理的内存划分为若干个不同的数据区域。这些区域都有各自的用途，以及创建和销毁的时间，有的区域随着虚拟机进程的启动而存在，有些区域则依赖用户线程的启动和结束而建立和销毁。根据《Java虚拟机规范（Java SE 7版）》的规定，Java虚拟机所管理的内存将会包括以
Java虚拟机02——对象存活判断和4种引用
版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_33745799/article/details/88932572 对象存活判断 垃圾收集器在对堆进行回收前，第一件事情就是要确定这些对象之中哪些还“存活”着，哪些已经“死去” 引用计数法 给对象中添加一个引用计数器，每当有一个地方引用它时，计数器值就加1；当引用失效时，计数器值就减1；任何时候计数器为0的对象是不可能再被使用的。 缺点：难以解决对象之间互相循环引用的问题 例子：引用计数算法
今日推荐
周排行