- 博客(3)
- 收藏
- 关注
RSS订阅原创 图像分类，半监督学习
本文在图像分类实战中简单介绍半监督学习的应用。plt_train_loss = [] #训练中模型的lossplt_val_loss = [] #验证中模型的lossplt_train_acc = [] #训练中模型的准确率plt_val_acc = [] #验证中模型验证的准确率max_acc = 0.0 #当前最大准确率train_acc = 0.0 #训练集准确率val_acc = 0.0 #验证集准确率semi_loss = 0.0 #半监督学习中出现的损失。
2025-01-11 14:20:23
559
原创 基于深度学习的人数预测
本文仅为个人学习中的体会，非专业人士ori_data = list(csv.reader(f))#打开并读取csv文件，并将内容存储在ori_data中column = ori_data[0]#column中存储csv文件的第一行csv_data = np.array(ori_data[1:])[:,1:].astype(float)#把ori_data转化为矩阵，去除第一行和第一列的数据，把数据转换为浮点数，存储在csv_data中。
2025-01-06 14:57:15
326
原创 深度学习线性回归
总结，在线性回归中，大致可以分为三步，第一，定义一个模型；第二，定义合适的损失函数；第三，根据损失对模型进行优化。可以看到训练后的数据和真实值非常接近，也绘制出了数据集中的线性关系。然后将生成数据集的第四个特征即X[:,3]和目标值Y绘制成散点图。最后还要根据损失对模型进行优化，为此需要定义一个梯度下降优化器。万事俱备，我们最后只需要提供初始的w和b，便可对数据进行训练。接下来需要定义一个函数（模型），一个合适的损失函数。首先需要数据，先定义一个创建数据的函数。然后需要一个定义随机取数据的函数。
2025-01-03 10:42:17
154
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人