原创 Pytorch學習---6深度學習數學基礎
監督學習、無監督學習、半監督學習、強化學習是我們日常接觸到的常見的四個機器學習方法: - 監督學習:通過已有的訓練樣本(即已知數據以及其對應的輸出)去訓練得到一個最優模型(這個模型屬於某個函數的集合,最優則表示在某個評價準則下是最佳的),
原创 LATEX 的小技巧-1 轉置
2020.2.23。大三了,很快就該準備上研究生,在這個寒假本來計劃過年前兩天回家,大年初四返回實驗室接着做實驗,後來因爲疫情就只能在家寫文章遠程調程序。 最近在寫投稿,採用的是IET的論文模板,在寫作過程遇到了一個問題,本來以爲轉置符
原创 pytorch學習---5 在GPU上訓練 數據並行處理
我們如何在GPU上運行神經網絡呢? 把一個神經網絡移動到GPU上訓練就像把一個Tensor轉換GPU上一樣簡單。並且這個操作會遞歸遍歷有所模塊,並將其參數和緩衝區轉換爲CUDA張量。 device = torch.device("cu
原创 Pytorch學習---深度神經網絡
在深度學習中也借鑑了這樣的結構,每一個神經元(上面說到的簡單單元)接受輸入x,通過帶權重w的連接進行傳遞,將總輸入信號與神經元的閾值進行比較,最後通過激活函數處理確定是否激活,並將激活後的計算結果y輸出,而我們所說的訓練,所訓練的就是這裏
原创 Pytorch學習---訓練一個分類器
Python小TIPS class_correct = list(0. for i in range(10)) class_total = list(0. for i in range(10)) # class_correct [0
原创 F.cross_entroy和nn.CrossEntropyLoss
在使用Pytorch時經常碰見這些函數cross_entropy,CrossEntropyLoss, log_softmax, softmax,整理本文以備日後查閱。 首先要知道上面提到的這些函數一部分是來自於torch.nn,而另一部分
原创 數據結構-王道練習題和相關知識點
第一章 數據結構的基本概念 1 數據 2 數據元素 3 數據對象 4 數據類型-原子類型,結構類型,抽象數據結構 5 抽象數據類型 6 數據結構 包含三要素 邏輯結構,邏輯關係 與存儲無關 存儲結構,包含數據元素和關係 數據的運
原创 數據庫----第三章 關係數據庫標準語言SQL
嵌入式SQL---寫在程序中的SQL---各大程序網站 一個下劃線表示一個字符,一個漢字佔兩個字符,所以這裏填兩個-號 上邊這個連接是自然連接 上邊這個連接是thea連接--等值連接 下面這個是錯誤的
原创 Python中關於++和—(自增和自減)的理解
Python 中是沒有 ++ 和 -- 的。那麼要實現自增和自減的話,可以使用如下操作: a = a + 1 a += 1 有時候在 Python 中看到存在 ++i 這種形式,這其實不是自增,只是簡單的表示正負數的正號而已。正正得正,
原创 LATEX的奇技淫巧2-------引入文獻
在寫文章的時候發現有個問題就是原始文章給的模板是那個啥的,得自己排版引用格式。之前自己用過用BIB導入的參考文獻,十分方便,所以大淇就加了些代碼讓那個啥可以導入BIB模板 只需導入這幾行代碼即可, 其他就按照那個BIB的引用格式來進行
原创 如何在百度上搜到自己發表的博客
自己寫完博客後試着找了一下自己的博客,結果沒找到,很傷心,然後找了下方法,不知有用沒用,反正試了試 把自己的文章提交到百度的搜索引擎上申請免費加入搜索引擎‘ 回覆的時間長短不一樣’ 百度的地址 https://ziyuan.baidu.c
原创 《Tensorflow實戰Google深度學習》4.43滑動平均模型
滑動平均模型 在tensorflow中提供 tf.train.ExponentialMovingAverage來實現滑動平均模型。在初始化的時候,需要體動一個衰減率(decay)。用於控制模型更新的速度。 ExponentialMov
原创 數學建模 1 線性規劃---指派問題 python解決
原文鏈接:https://blog.csdn.net/your_answer/article/details/79160045 https://www.cnblogs.com/chenyg32/
原创 數學建模---1線性規劃 指派問題 python
原文鏈接:https://blog.csdn.net/your_answer/article/details/79160045 前言:最近在備戰數模,看到了指派問題,饒有興趣,百度上
原创 數學建模 3 非線性規劃
原文鏈接:https://blog.csdn.net/weixin_42262245/article/details/89310006 問題解析 用scipy庫下的Python函數minimi