1、学习率设置策略Pytorch 已经实现了两种方法：「torch.optim.lr_scheduler.CyclicLR」和「torch.optim.lr_scheduler.OneCycleLR」。参考文档：https://pytorch.org/docs/stable/optim.html2、dataloader中使用多个worker和页锁定内存当使用 torch.utils.data.Da
转载
2023-08-05 21:24:02
320阅读
# 使用 PyTorch 实现 KNN
KNN（K-Nearest Neighbors）是一种简单且有效的分类算法。今天，我们将通过使用 PyTorch 来实现 KNN。本文将向你展示如何一步步实现 KNN，包括必要的代码和详细的注释。
## 流程概述
以下是实现 KNN 的流程：
| 步骤 | 描述 |
| --
原创
2024-10-13 05:39:40
328阅读
# 实现 GCN KNN PyTorch
## 介绍
在这篇文章中，我将教你如何使用 PyTorch 实现 GCN（Graph Convolutional Network） KNN（K-Nearest Neighbors）模型。GCN 是一种用于图数据的半监督学习方法，它能够对节点进行分类和属性预测。KNN 则是一种无监督学习方法，用于寻找样本之间的相似性。通过结合这两种方法，我们可以进一步提升
原创
2023-08-30 15:00:31
403阅读
1.范数（norm）的简单介绍概念：距离的定义是一个宽泛的概念，只要满足非负，自反，三角不等式就可以称之为距离。范数是一种强化了的距离概念，它在定义上比距离多了一条数乘的运算法则。有时候为了便于理解，我们可以把范数当作距离来理解。在数学上，范数包括向量范数和矩阵范数，向量范数表征向量空间中向量的大小，矩阵范数表征矩阵引起变化的大小。一种非严密的解释就是，对应向量范数，向量空间中的向量都是有大小的，
转载
2024-09-13 16:45:22
68阅读
# 使用 PyTorch 实现 KNN（K-Nearest Neighbors）
KNN 是一种简单而有效的机器学习算法，它的原理是通过计算样本之间的距离来分类和回归。在这篇文章中，我们将一起学习如何在 PyTorch 中实现 KNN。我们将按步骤分解整个过程，并使用代码示例来深入理解每一个步骤。以下是整个流程的步骤概述：
| 步骤 | 描述 |
作者：张俊红我的2020总结，戳图片，留言抽大奖大家好，我是老表～本篇介绍机器学习众多算法里面最基础也是最“懒惰”的算法——KNN（k-nearest neighbor）。你知道为什么是最懒的吗？01|算法简介：KNN是英文k-nearest neighbor的缩写，表示K个最接近的点。该算法常用来解决分类问题，具体的算法原理就是先找到与待分类值A距离最近的K个值，然后判断这K个值中大部分都属于
1、KNN分类算法KNN分类算法（K-Nearest-Neighbors Classification），又叫K近邻算法，是一个概念极其简单，而分类效果又很优秀的分类算法。他的核心思想就是，要确定测试样本属于哪一类，就寻找所有训练样本中与该测试样本“距离”最近的前K个样本，然后看这K个样本大部分属于哪一类，那么就认为这个测试样本也属于哪一类。简单的说就是让最相似的K个样本来投票决定。这里所说的距离
本文中的RNN泛指LSTM，GRU等等CNN中和RNN中batchSize的默认位置是不同的。 CNN中：batchsize的位置是position 0. RNN中：batchsize的位置是position 1.在RNN中输入数据格式：对于最简单的RNN，我们可以使用两种方式来调用,torch.nn.RNNCell(),它只接受序列中的单步输入，必须显式的传入隐藏状态。torch.nn.RNN(
转载
2024-03-11 11:35:15
57阅读
这两天在学习怎么对网络的两个输出f1，f2，分别得到两个权重值w1，w2，然后做一个自适应的加权融合，得到最终的结果Q。在网上百度，发现了这个函数的使用nn.Parameter（），从而记录一下。 1、含义解读：讲的很清楚，引用！ Parameter：参数。在做神经网络的训练时，其实就是训练一个模型，这个模型就是去学习一个函数，这个函数可以准确的学习到我们想要到的东西，比如正确的对物体进行分类。函
转载
2023-10-19 07:26:04
97阅读
（1）kNN算法_手写识别实例——基于Python和NumPy函数库1、kNN算法简介kNN算法，即K最近邻(k-NearestNeighbor)分类算法，是最简单的机器学习算法之一，算法思想很简单：从训练样本集中选择k个与测试样本“距离”最近的样本，这k个样本中出现频率最高的类别即作为测试样本的类别。下面的简介选自wiki百科：http://zh.wikipedia.org/wiki/%E6%9
转载
2024-08-28 11:55:50
410阅读
一、CNN的结构输入层---->[卷积层*N---->池化层]*M---->全连接层二、卷积、池化和训练卷积运算过程： 以为5* 5的image和 3* 3的filter，stride=1，Relu为激活函数，为例。 feature_map中第一个元素的计算公式： feature_map[0][0]=Relu(1 * 1+1 * 0+1 * 1+0 * 0+1* 1+1 * 0+
转载
2024-01-11 19:42:50
82阅读
使用的数据集Kaggle Cats and Dogs Dataset基于机器学习的动物图像分类处理基于机器学习的动物图像分类是一种利用机器学习算法和技术来自动识别和分类不同动物图像的方法。该方法可以通过训练一个机器学习模型来学习动物的特征和模式，并根据这些特征和模式来判断输入图像属于哪种动物。动物图像分类通常包括以下步骤：1.数据收集：收集包含不同动物类别的大量图像数据集，这些图像数据集应涵盖各
转载
2024-08-23 08:39:14
93阅读
实现简单图像分类器1. 数据加载1.1 常用公共数据集加载1.2 私人数据集加载方法2. 定义神经网络3. 定义权值更新与损失函数4. 训练与测试神经网络5. 神经网络的保存与载入 本篇博客的目标是实现一个简单的图像分类器, 本篇博客主要分为以下几个步骤：数据的加载与归一、定义神经网络、定义损失函数、训练与测试神经网络以及神经网络存储与读取。 1. 数据加载数据加载就是把训练数据导入到神经网络
转载
2023-10-17 22:21:18
167阅读
文章目录0. 前提1. 安装anaconda2. 确定有Nvidia GPU3. CUDA、cudnn下载和安装3.1 下载3.1.1 下载CUDA3.1.2 下载cuDNN3.2 安装3.2.1 安装CUDA3.2.2 安装cuDNN3.3 配置环境变量3.4 测试CUDA3.5 测试算力4. 创建虚拟环境（pytorch）5. 安装torch包3.出现的错误 0. 前提主要步骤 1.安装an
转载
2023-11-17 20:04:51
180阅读
数据预处理import numpy as np
import pandas as pd
data = pd.read_csv('../KNN分类/iris.csv')
# print(data)
# 删除不需要的ID和Species列 因为需要进行回归预测 类别信息就没有用处了
data.drop(['ID','Species'],axis=1,inplace=True)
# print(d
转载
2024-01-30 19:51:44
90阅读
目录PyTorch之nn模块PyTorch之optim模块自定义nn模块控制流和权重共享PyTorch之nn模块计算图和autograd是十分强大的工具，可以定义复杂的操作并自动求导；然而对于大规模的网络，autograd太过于底层。在构建神经网络是，我们经常考虑将计算安排成层，其中一些具有可学习的参数，他们将在隵过程中进行优化。Tensorflow里面，有类似于Keras，TensorFlow-
转载
2024-04-01 05:53:39
74阅读
第9讲：多分类问题（上）用softmax 解决多分类问题用pytorch 实现多分类问题1.softmaxsoftmax:让线形层的输出结果（进行softmax前的input）有负数，通过幂指变换，得到正数。所有类的概率求和为1。2.softmax如何做到上面的操作：对每一L层的输出进行幂指运算，使其>0所有K个分类的输出幂指再求和，结果=1计算各分类的分布example:输入向量的每个元素
转载
2023-07-05 14:00:16
291阅读
pyhton实现knn算法一.算法设计 1.knn算法介绍 KNN的原理就是当预测一个新的值x的时候，根据它距离最近的K个点是什么类别来判断x属于哪个类别。 2.knn算法描述 对需要分类的点依次执行以下操作： a.计算已知类别数据集中每个点与该点之间的距离 b.按照距离递增顺序排序 c.选取与该点距离最近的k个点 d.确定前k个点所在类别出现的频率 e.返回前k个点出现频率最高的类别作为该点的预
转载
2023-12-02 22:25:16
52阅读
Hadoop入门教程：Streaming接口实现，Streaming接口就是使用UNIX标准流作为Hadoop和程序之间的接口，可以使用任何语言，仅需要编写的MapReduce程序能够读取标准输入并写入标准输出，Hadoop Streaming可以帮助用户创建和运行一类特殊的MapReduce作业，这些作业是由一些可执行文件或脚本文件充当Mapper或Reducer。 如果一个可执行文件被用于M
转载
2023-08-29 15:30:58
56阅读
一、效果展示对于天空和前景边界明显的场景，分割效果较好。如果边界不明显或者物体、衣物和场景天空类似，则可能效果不好。 如果期望达到更好的效果，除了对模型进一步训练外。还可以在获取到label图片后，进一步做处理。二、摘要用到的技术如下：1、模型训练。使用pytorch版的u2net网络2、模型推理。使用onnxruntime，进行模型推理。模型训练中需要保存为onnx格式，或者训练完成后，将pyt
