动机：为了更加深入的理解深度学习，我们将使用 python 语言从头搭建一个神经网络，而不是使用像 Tensorflow 那样的封装好的框架。我认为理解神经网络的内部工作原理，对数据科学家来说至关重要。这篇文章的内容是我的所学，希望也能对你有所帮助。神经网络是什么？介绍神经网络的文章大多数都会将它和大脑进行类比。如果你没有深入研究过大脑与神经网络的类比，那么将神经网络解释为一种将给定输入映射为期望
转载
2023-08-08 10:44:38
74阅读
首先我们采用一个简单的小游戏进行神经网络的初步学习游戏的简单介绍——从1开始数数，如果是3的倍数输出fizz，是5的倍数输出buzz，是15的倍数输出fizzbuzz下面这串代码我们将文件名命名为fizz_buzz，存放在chapter2文件夹下，在接下来的神经网络学习过程中，我们需要用到# 首先我们对所数的数（i）据进行编码
def fizz_buzz_encode(i):
转载
2023-10-18 18:52:39
71阅读
Tensorflow是Google 的深度学习框架，非常流行，我自己学习深度学习就使用它。为了使代码更加简单，使用Keras做前端，Keras用目前很火的人工智能第一语言 Python 编写，是一个高度模块化的神经网络库，支持GPU和CPU。Keras使用文档：http://keras.io/，中文文档：http://keras-cn.readthedocs.io/en/latest/ 下面开始部
转载
2024-01-08 20:34:23
103阅读
三层神经网络，训练0到9十个数字并测试：1 import numpy
2 import scipy.special
3 # import matplotlib.pyplot
4 import time
5
6
7 class NeuralNetwork:
8
9 # 初始化神经网络
10 def __init__(self, inputnod
转载
2023-08-19 18:10:44
80阅读
在前3篇博客介绍完pytorch的基础知识之后，我这里我们接着介绍简单网络的搭建，详述卷积操作，最后根据卷积操作搭建 神经网络的卷积层。1. nn.Module的简单使用 官方帮助文档 首先，我们还是要从帮助文档看起，进入 pytorch 官网，查看 Pytorch 的官方帮助文档
转载
2023-12-10 12:05:04
89阅读
一、神经网络的实现过程1、准备数据集，提取特征，作为输入喂给神经网络 2、搭建神经网络结构，从输入到输出 3、大量特征数据喂给 NN，迭代优化 NN 参数 4、使用训练好的模型预测和分类 二、前向传播 前向传播就是搭建模型的计算过程
转载
2023-10-26 19:45:35
113阅读
前两个笔记笔者集中探讨了卷积神经网络中的卷积原理，对于二维卷积和三维卷积的原理进行了深入的剖析，对 CNN 的卷积、池化、全连接、滤波器、感受野等关键概念进行了充分的理解。本节内容将继续秉承之前 DNN 的学习路线，在利用 Tensorflow 搭建神经网络之前，先尝试利用 numpy 手动搭建卷积神经网络，以期对卷积神经网络的卷积机制
转载
2023-11-04 18:55:43
0阅读
文章目录写在前面nn.Modulenn.Conv2d 卷积层nn.MaxPool2d 池化层Non-linear Activations 非线性激活ReLUSigmoidnn.Linear 线性层其他层小小实战 写在前面本博客参考b站up主“我是土堆”的视频：点击跳转 本系列笔记为pytorch入门学习，所以主要学习使用pytorch框架进行神经网络的实现过程，对于神经网络的基本原理可能不会做过
转载
2024-02-06 23:13:48
143阅读
文章目录写在前面实战分析结构：代码实现完善补充1完善补充2使用GPU来训练网络测试模型 写在前面本系列笔记为pytorch入门学习，所以主要学习使用pytorch框架进行神经网络的实现过程，对于神经网络的基本原理可能不会做过多解释，主要着重于用法。 传送门：PyTorch入门（一）数据集的一些基础操作PyTorch入门（二）从零开始搭建一个神经网络PyTorch入门（三）损失函数与反向传播实战那
转载
2024-04-07 18:57:38
85阅读
本文不赘述神经网络的原理，只是简单介绍如何用python3.0 |tensorflow2.0框架搭建一个简单的神经网络,进行简单的图像识别。本文分为三个部分，第一部分先po出总体代码，第二部分分段详解每段代码，第三部分总结。参考：1 tf.Keras - 简书 (jianshu.com)2Fashion-MNIST：替代MNIST手写数字集的图像数据集 - 知乎 (zhihu.
转载
2023-10-17 05:38:54
179阅读
Tensorflow 莫凡学习本篇文章详解讲解了tensorflow的一个简单的实例，具体视频请见B站——Tensorflow 搭建自己的神经网络 (莫烦 Python 教程)。 所采用的框架是 Win10 + Tensorflow1.13 + Pycharm，目标是对Y = x*x 函数进行学习后的拟合。1、定义层进行修改def add_layer(inputs, in_size, out_si
转载
2023-08-19 20:41:14
128阅读
拟合散点图简单介绍 首先我们需要构造一些“假”的数据（即一些零散的点），主要的任务就是在这些假的数据点中拟合出一条曲线，使这条曲线尽可能地“穿过”所有的点。制作数据集 我们在y=sin(x)+b这条曲线附近取一些点，使b具有随机性，因为在生活中大部分数据不可能精确到直接可以满足一条公式，基本所有的都是尽可能地去拟合数据。import torch
import matplotlib.pyplot a
转载
2023-12-05 16:15:42
79阅读
随着深度学习的飞速发展，已经创建了完整的神经网络体系结构主机，以解决各种各样的任务和问题。尽管有无数的神经网络架构，但对于任何深度学习工程师来说，这里有11种必不可少的知识，它们分为四大类：标准网络，递归网络，卷积网络和自动编码器。标准网络1 | 感知器感知器是所有神经网络中最基础的，是更复杂的神经网络的基本构建块。它仅连接输入单元和输出单元。2 | 前馈网络前馈网络是感知器的集合，其中存在三种基
转载
2023-09-15 10:52:04
186阅读
mindspore（后文简称为ms）目前网上的使用者以及文章太少了，对于像我这种没有阅读官方文档的人来说属实有点不易，这里记录一下我用mindspore实现单层和双层神经网络拟合抛物面的代码。 详细代码在https://github.com/yuanzilin/PatternRecognition/tree/main/lab4中的BP_mindspore.i
转载
2024-01-15 19:51:47
60阅读
序言：最近准备一直在用pytorch，特地总结一下如何快速用pytorch搭建神经网络学习人工智能。目录1.pytorch入门1.1pytorch是什么1.2安装pytorch2. pytorch基本操作元素2.1 Tensors张量2.2 张量运算2.3 张量索引2.4 Torch tensor与Numpy ndarray转换2.5 cpu与gpu的tensor相互转换3.总结1.pytorch
转载
2024-03-11 14:22:43
225阅读
1 超大图上的节点表征学习1.1 简述在十分庞大（节点数极多）的图上，图神经网络训练所需要的计算资源相当多，会极大地消耗计算机内存及显卡显存，这对使用者的设备带来过大的要求。图神经网络已经成功地应用于许多节点或边的预测任务，然而，在超大图上进行图神经网络的训练仍然具有挑战。普通的基于SGD的图神经网络的训练方法，要么面临着随着图神经网络层数增加，计算成本呈指数增长的问题，要么面临着保存整个图的信息
转载
2023-10-05 15:06:58
269阅读
目录1 神经网络的搭建1.1 通过Sequential构建1.2 利用function API构建1.3 通过model的子类构建2 神经网络的优缺点2.1 优点2.2 缺点3 总结 1 神经网络的搭建接下来我们来构建如下图所示的神经网络模型：tf.Keras中构建模有两种方式，一种是通过Sequential构建，一种是通过Model类构建。前者是按一定的顺序对层进行堆叠，而后者可以用来构建较复
转载
2023-09-25 10:34:04
103阅读
使用Tensorflow建造神经网络一、Tensorflow建造神经网络添加一层神经元的函数1. 定义数据 — 输入层2. 创建隐藏层和输出层3. 误差计算4. 误差传播5. 参数初始化6. 开始模拟7. 完整代码二、【附录】1. 关于`reduction_indices`2. 关于`tf.nn.relu`3. 关于`numpy.linspace()`4. 关于`tf.train.Gradien
转载
2023-06-29 12:06:22
272阅读
目录一、神经网络基本骨架搭建nn.modulenn.Module的使用二、神经网络中一些神经结构的使用1. Convolution Layers 卷积层（1） 卷积操作示例（2） 用代码验证上述卷积操作的正确性（使用F.conv2d）（3） 卷积层nn.Conv2d的使用（4） 理解卷积层nn.Conv2d的各个参数（5） torch.nn.conv2d和torch.nn.functional.
转载
2023-08-31 09:35:00
96阅读
Follow Your Heart：面临太多的选择，人总会迷茫，有好有坏，理性的选择往往是最好的选择，但往往会有人选择感性，遵从自己的内心，哪怕举步维艰，不知道是成功还是失败，还是想这样选择，可能有些人有些事有些东西值得你付出，但愿这一切都会变得好起来。一、神经网络初步接触神经网络，感觉被高大上名词给吓住了，高深莫测的CNN,DNN,让人望而却步。简单来说神经网络是用来预测数据的一种模型，而这种模
转载
2023-11-21 16:43:52
100阅读
