- 博客(87)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 深度学习笔记【订阅前必读】
pytorch深度学习（共计169页，基于本人听完B站小土堆PyTorch深度学习快速入门教程所写）发现这一份B站小土堆Pytorch深度学习笔记连985、211等高校同学都在使用(语雀在线版，笔记带评论)
2024-04-08 18:02:33
26
原创 研0或研一|如何快速入门深度学习？
pytorch深度学习（共计169页，基于本人听完B站小土堆PyTorch深度学习快速入门教程所写）直接复制下方链接即可。
2024-01-14 16:03:59
710
1
原创 pytorch深度学习笔记（共计169页，基于本人听完B站小土堆PyTorch深度学习快速入门教程所写）
pytorch深度学习（共计169页，基于本人听完B站小土堆PyTorch深度学习快速入门教程所写）
2024-01-01 15:59:26
581
原创 Pytorch深度学习-----完整的模型验证套路
return xLgl类定义了一个CNN，包含三个卷积层，接着是最大池化、展平操作以及两个线性层。该模型设计用于图像分类。
2023-12-31 23:39:58
1078
原创 数据集划分：手动划分文件夹中的图片数据集为训练集、验证集和测试集
ataset_folder表示原始图片数据集所在的文件夹路径，output_folder表示划分后的数据集存储的文件夹路径，train_ratio、val_ratio和test_ratio表示训练集、验证集和测试集所占比例。代码将会遍历读取文件夹中的图片文件，打乱后按照比例划分为训练集、验证集和测试集，并将划分后的图片文件移动到相应的文件夹中。手动划分文件夹中的图片数据集为训练集、验证集和测试集，即进行文件夹中的数据集（都是图片）进行划分。经过查看，文件夹里面的图像符合比例数量要求。
2023-11-06 23:53:25
503
1
原创 图像切分：将一张长图片切分为指定长宽的多张图片
请确保在运行此代码之前安装了PIL库（使用pip install pillow命令进行安装）。替换示例代码中的image_path、output_path、width和height变量为你自己的路径和参数。执行代码后，将会在指定的output_path目录中保存切分后的子图片。比如有一张很长的图片其大小为宽度779，高度为122552，那我想把图片切分为779乘以1280的格式。
2023-11-06 23:13:54
375
原创 使用labelme制作coco格式数据集和voc格式数据集
其中img表示图片以及使用labelme进行标记后json产生的图片所在的文件夹、voc是指的是转化为voc格式后的数据集我想保存的所在目录文件夹。这四个部分就是要更改的地方，输入图片路径、输出图片路径、标签、可视化，但是可视化可以不用管。在转coco数据集之前，需要进行检查自己当前环境下是否含有pycocotools这个库。在当前labelme2voc.py文件所在的文件夹下打开终端。，把这个项目复制到当前图片所在的文件夹下。打开，直接在当前环境下输入。打开图片所在的文件夹。打开labelme的。
2023-10-30 21:55:45
574
原创 概率论与数理统计(第一章 概率论的基本概念)
文章目录第一章 概率论的基本概念一、随机试验二、事件的概率第一章 概率论的基本概念一、随机试验随机试验特点：①可以在相同的条件下重复进行②每次试验的可能结果不止一个，并且能提前预测所有的可能结果③在未进行试验前不知道哪一个结果会出现样本空间即随机试验的结果的集合，用S表示：如S={A,B},其中A，B表示试验的结果(或称为样本点)样本点即随机试验的每一个可能的结果，如上述中的A，B有限样本空间：样本点个数有限个无限样本空间样本点个数有无限个
2023-09-22 21:36:03
337
1
原创 基于csv数据建立线性回归模型并预测进行评估模型表现案例实现
2.将上述数据的x和y进行分离开，便于后续进行坐标建立。说明均方误差是比较小的，几乎接近0，拟合程度完美。转化为数组类型，并设置维度为1列，行数自动计算。4.进行查验该线性回归模型对应的a与b的系数值。3.先使用matplotlib进行显示数据。1.使用LinearRegression。使用均方误差和决定系数进行模型的评估。查看上述数据中x和y的类型以及维度。weight：可选参数，样本权重。3.进行预测x=3.5时的数值。1.加载csv数据进行查看。使用fit()方法进行拟合。2.拟合线性回归模型。
2023-09-11 15:33:22
504
原创 从一个向量类中理解Python 中的特殊方法（__init__、__getitem__、__len__、__repr__、__str__）
特殊方法是一种具有特殊命名约定的方法，用来定义类的行为与功能。当满足特定条件时，这些方法会被自动调用，从而实现一些内置的功能和操作。
2023-09-08 16:11:04
200
原创 如何查看数据集下载后保存的绝对路径？
当我们下载torchvision.datasets里面的数据集时，有时候会遇到找不到数据集保存路径的问题。这样运行后就可以打印出绝对路径了。
2023-08-27 11:32:55
570
原创 Python中的zip函数：合并和解压可迭代对象的利器
当我们处理多个可迭代对象时，经常需要将它们合并为一个整体进行处理或遍历。Python中的zip函数就提供了这样的功能。zip函数能够将多个可迭代对象合并为一个元组的迭代器。在本文中，我们将介绍zip函数的基本用法和示例。zip函数在处理多个可迭代对象时非常有用。无论是同时处理多个列表，迭代多个文件，还是其他类似的场景，zip函数都能提供简洁而高效的解决方案。
2023-08-19 21:12:47
205
原创 使用线性回归模型优化权重：探索数据拟合的基础
在机器学习和数据科学中，线性回归是一种常见而重要的方法。本文将以一个简单的代码示例为基础，介绍线性回归的基本原理和应用。将使用Python和NumPy库来实现一个简单的线性回归模型和使用最小均方误差（MSE）损失函数来衡量模型的拟合准确性，并通过优化权重参数来提高模型的性能。通过观察权重与平均损失的关系图，我们可以找到使损失最小化的最优权重。这个示例代码展示了如何利用线性回归模型和MSE损失函数来优化权重参数，以实现更好的数据拟合。
2023-08-19 20:44:06
580
原创 Pytorch深度学习-----实现神经网络模型在GPU上进行训练的方法
在代码中，通过调用来指定使用GPU进行计算。这是一种通用的方式，可以让PyTorch自动选择当前系统中的可用GPU。如果系统中有多个GPU可用，PyTorch将默认使用第一个可用的GPU作为计算设备。如果你希望明确指定使用哪一块GPU，可以使用来指定使用第一块GPU，或者使用来指定使用第二块GPU，以此类推。通过这种方式，你可以明确指定使用哪一块GPU来进行计算。需要注意的是，具体的GPU编号取决于系统中GPU的配置和可用情况，可以通过运行来查看系统中可用的GPU数量以及它们的编号。
2023-08-13 17:58:04
1924
原创 Pytorch深度学习-----完整神经网络模型训练套路
定义适当的损失函数来计算模型预测结果于真实标签之间的差异。选择适当的优化器算法来更新模型参数，如随机梯度下降（SGD）、Adam等。使用torchvision库加载CIFAR10数据集。将训练集和测试集分别存放在train_data和test_data中。引用model.py文件，在其中创建名为"Lgl"的模型。定义损失函数为交叉熵损失（nn.CrossEntropyLoss）。定义优化器为随机梯度下降（SGD）优化器，并将模型参数传递给优化器。
2023-08-12 14:26:26
594
原创 Pytorch深度学习-----神经网络模型的保存与加载(VGG16模型)
torch.load()是PyTorch中用于加载保存的对象的函数，可以加载之前使用torch.save()保存的模型、张量、字典等。可以指定要加载的文件路径或文件对象，并可选地指定加载到的设备、反序列化模块等参数。
2023-08-09 22:35:27
775
原创 Pytorch深度学习-----现有网络模型的使用及修改（VGG16模型）
指定要加载的预训练权重。可以是None（默认值）表示不加载预训练权重，或是指定为预定义的某个预训练权重标识符。从上述运行结果可知：VGG16网络是由13层卷积层和3层全连接层组成，最后网络输出一共有1000个分类结果。由上述可以知道，add_linear是在classifier外面的，如果要在classifier里面，可以将。其它可选参数，传递给VGG-16模型的基类torchvision.models.VGG。指示下载进度条的显示设置，默认为True显示下载进度条。VGG-16是一种具有。
2023-08-09 18:30:49
555
原创 Pytorch深度学习-----优化器详解（SGD、Adam、RMSprop）
在PyTorch中，优化器（Optimizer）是用于`更新神经网络参数的工具`。它`根据计算得到的损失函数的梯度来调整模型的参数`，以`最小化损失函数并改善模型的性能`。即优化器是一种特定的`机器学习算法`，通常用于在训练深度学习模型时`调整权重和偏差`。是用于`更新神经网络参数`以最小化某个损失函数的方法。
2023-08-08 10:50:12
2268
原创 Pytorch深度学习-----损失函数（L1Loss、MSELoss、CrossEntropyLoss）
如果设置为 True，则对输入批次的输出进行减少，返回一个标量。如果设置为 False，则返回每个输入批次的输出的张量。如果设置为 True，则对输入批次的输出进行减少，返回一个标量。如果设置为 False，则返回每个输入批次的输出的张量。如果设置为 ‘mean’，则对输入批次的输出进行平均。如果设置为 ‘none’，则不进行减少，返回每个输入批次的输出的张量。如果设置为 ‘mean’，则对输入批次的输出进行平均。如果设置为 ‘none’，则不进行减少，返回每个输入批次的输出的张量。
2023-08-07 17:19:53
1472
原创 Pytorch深度学习-----神经网络之Sequential的详细使用及实战详解
"Sequential"是一个时序容器，可以将各种层按顺序添加到容器中，从而简化神经网络模型的搭建。它可以从头开始构建模型，也可以在其他容器（如Sequential、Functional、Subclass）中构建模型，还可以与其他容器组合使用。官网解释：官网的举例应用。
2023-08-03 19:30:57
1956
原创 Pytorch深度学习-----神经网络之线性层用法
其中最重要的三个参数为表示输入的特征值大小，即输入的神经元个数表示输出的特征值大小，即经过线性变换后输出的神经元个数bias，表示是否添加偏置。
2023-08-02 15:23:00
1841
原创 Pytorch深度学习-----神经网络之非线性激活的使用(ReLu、Sigmoid)
首先先查看官网对其解释：如下图所示可以见到有一个参数inplace，布尔类型，所以具有两种情况当inplace 为True时，会将输入数据进行替换；当inplace 为False时，输入数据不进行替换。即：input=-1 经过 Relu(input,inplace=True)后，input=0；input=-1 经过 Relu(input,inplace=False)后，input=-1；即将小于0的数据替换为0由官网的图像可以推测，Relu函数的表达式为。
2023-08-01 23:09:05
294
原创 Pytorch深度学习-----神经网络之池化层用法详解及其最大池化的使用
kernel_size：表示池化核的大小，类型为int 或者元组。stride=None：表示步长的大小，与卷积层不同，池化层步长大小默认为kernel_size的大小。padding=0：表示在输入图像外围增加一圈0，和前面卷积核一样。dilation=1：表示设置核的膨胀率，默认 dilation=1，即如果kernel_size =3，那么核的大小就是3×3。
2023-07-31 17:36:55
1617
原创 Pytorch深度学习-----神经网络之卷积层用法详解
从上述可知，总共有9个参数，具体解释如下：in_channels：表示输入的图片通道数目。out_channels：表示输出的图片通道数目。kernel_size：表示卷积核的大小，当卷积是正方形的时候，只需要一个整数边长即可，卷积不是正方形，要输入一个元组表示高和宽。stride：表示每次卷积核移动的步长值。padding：表示是否添加边界，一旦设置就是四周都添加。在原始的行列基础上，行增加2行，列增加2列。dilation：表示控制卷积核之间的间距。
2023-07-31 11:53:33
1091
原创 Pytorch深度学习-----神经网络的卷积操作
卷积操作是通过卷积核（也称滤波器）与输入数据进行。weight：卷积核 ，为tensor型，input：输入矩阵，为tensor型，dilation:控制卷积核之间的间距。groups:控制输入和输出之间的连接。padding：填充大小，默认为0。卷积操作是一种线性操作，通常。在图像处理中，卷积操作可以。stride：步长，默认为1。bias：即误差/偏差值。
2023-07-29 15:49:30
1314
原创 Pytorch深度学习-----DataLoader的用法
组合了数据集（dataset） + 采样器(sampler)，如果把Dataset比作一副扑克牌，则DataLoader就是每次手中处理的某一批扑克牌，然后每一批取多少张，总共能取多少批，用不用打乱顺序等，都可以在创建DataLoader时从参数自行设定。dataloader会将上面的img0……img3进行打包成imgs。- 如果为True会将数据放置到GPU上去（默认为false）在上述中共有15个参数，我们常用的有如下5个参数。– 表示每次从数据集中取多少个数据。– 表示要读取的数据集。
2023-07-27 11:30:34
1277
原创 Java网络编程基础概念
c/s结构：指客户端和服务器结构。如下图B/S结构：指浏览器和服务器结构。如下图共同点：无论哪一种架构，都离不开网络的支持。因此就设计到网络编程（在一定的协议下，实现两台计算机的通信的程序）。
2023-07-26 14:13:48
125
原创 leetcode数据结构题解(Java实现)（存在重复元素、最大子数组和、两数之和、合并两个有序数组）
其次本题采用第三种遍历方式：即以某个节点为尾的所有字串进行遍历和，假设有数组nums，且dp[i]，表示以第i个数为尾的子串和，则dp[i]=dp[i-1]+nums[i]，而要使得dp[i]是最大的子串的话，就要分在遍历的过程中，如果dp[i-1]为负数，则以第i个数为结尾的字串和即为本身，因为nums[i]加上一个负数都会使得整体值小于nums[i]；1.以某个节点为头的所有子序列，如数组[a,b,c,e]，以a为头的字串为【a】，【a,b】，【a,b,c】，【a,b,c,d】；代码（力扣模板模式）
2023-07-26 10:10:26
175
原创 数据库力扣刷题（组合两个表）
一个概念：架构，架构是指用于存储数据库对象的一个命名空间。用于管理数据库对象子集，这样极大的方便地方便并简化了管理数据库对象。
2023-07-26 10:06:17
173
原创 408复试day2(7大排序算法)
首先排序分为内排序和外排序：内排序是指待排序的记录放置在内存，而外排序是指排序的过程中需要对内存进行访问。其中稳定的排序有“插冒归”，即插入排序、冒泡排序、归并排序。
2023-07-26 10:03:26
653
原创 Java随机数使用（Random）
因为参数应该写为末数y-首数x+1，即此刻产生的数是0-（末数y-首数x+1）之间的随机数，之后整个结果再加上首数x，即表示x到y之间的随机数。答：使用Java工具类中的Random类（即说明第一步要创建一个Random类的实例）下的nextInt(int n)方法。具体案例如下：（产生0-9之间的随机数）案例如下：（产生11-22之间的随机数）第一步、创建一个Random的实例。第二步、调用nextInt()方法。
2023-07-26 10:00:15
527
原创 C语言中指针（简略复习）
列指针：在行指针的前面加上 *号就表示列指针，如 *(a+0)表示第0行0列的首地址， *(a+1)表示第1行0列的首地址， *(a+2)表示第2行0列的首地址。行指针：a+0代表第0行首地址，a+1代表第1行首地址，a+2代表第2行首地址，行指针的基类型int ( *p)[4]即包含四个元素的一维数组。p=a的意思是把a数组的首元素地址赋值给指针变量p（以后其余的数组的元素的地址可通过指针的运算加法进行获取）。则a[i],p[i], *(p+i), *(a+i)四者是等效的。
2023-07-26 09:55:37
64
原创 Pytorch深度学习------torchvision中dataset数据集的使用（CIFAR10）
torchvision是pytorch的一个图形库，用来处理图像，主要用来构建计算机视觉模型。从下面的官网截图可以看到torchvision有很多模块，下面以dataset模块进行举例。torchvision中datasets包：用来进行数据加载，主要有以下几个模块CelebACIFARCityscapesCOCOCaptionsDetectionEMNISTFakeDataFlickrHMDB51ImageNetKMNISTLSUN。
2023-07-25 20:45:36
1298
原创 Pytorch深度学习------Torchvision中Transforms的使用（ToTensor，Normalize，Resize ，Compose，RandomCrop）
需要注意：compose中参数是前面的输出作为后面的输入，比如compose中第一个参数的输出是PIL类型，后面的输入也是PIL类型，所以可以直接使用compose，但是如果现在第一个的输出是tensor类型，但是第二个要求的输入是PIL,则会是类型不匹配，所以会报错。其次由上面的截图可以知道transforms就是一个.py文件，里面有很多的类以及方法,所以要先使用就必须通过.的形式去调用，如果要调用类，那就需要实例化，实例化后就是一个对象，对象就可以使用该类下的方法。，下面使用opencv。
2023-07-24 23:28:16
1364
原创 Pytorch深度学习------TensorBoard的使用
TensorBoard是一个工具，主要用于数据可视化，用大白话的语言来说就是可以记录在机器学习中表格数据、非表格数据（图片、文本、音频等）等变化，从而在模型中更直观的显示。
2023-07-22 23:11:14
4394
1
原创 Pytorch深度学习-----数据模块Dataset类
基于B站PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】课程进行学习总结。
2023-07-21 17:20:39
350
原创 PyTorch深度学习——Anaconda和PyTorch安装
在系统变量中添加进三个以上路径，其中D:\Users\lgl\anaconda3为刚才设置安装时选择的路径。在anaconda中创建虚拟环境的语法为：conda create –n 虚拟环境名字 python=版本。根据自己的电脑配置，选择是安装gpu版本还是cpu版本，gpu版本适用于电脑显卡是英伟达的。之后使用conda list进行查看是否安装成功。2.大量安装基于python的工具包。3.使用conda安装pytorch。选好后复制上面的指令进行安装下载即可。2.双击之后安装即可。
2023-07-15 15:04:55
659
1
原创 day04 重新学python——数据容器
通用类型转换：list(容器)，将给定容器转换为列表；通用排序功能：sorted(容器，[reverse=True])，将给定容器进行排序，排序后都会得到列表（list）对象，reverse=True表示降序。通用统计功能：len(容器)，表示统计容器的元素个数；元组定义：定义元组可以使用小括号，里面的数据元素使用逗号隔开，元素可以使不同的数据类型，元组数据一旦定义，就不能修改。for循环不可用自定循环条件，只可以从容器中一个个取出所需要的数据，且for不能实现无限循环，因为列表的数据是有限的。
2023-07-13 15:18:55
91
原创 day03 重新学python——python函数
函数：即组织好的、课重复利用，用来实现特殊功能的代码段，这样可以提高代码的复用性、减少重复代码、提高开发效率。如此前了解到的python内置函数：print（）、int()、str()等等。"""函数必须是先定义再使用函数的语法如下所示（其中传入参数和返回值是非必须的）：def 函数名（传入参数）：函数体return 返回值函数的调用如下：函数名（实参）""" def demo(ceShi) : print(f"这是一个 {ceShi } 案例") demo("测试")"""
2023-07-09 11:43:37
214
springboot数据访问之整合Mybaits（使用配置文件的方式）
2022-01-26
springboot数据访问之整合Mybaits（注解方式，Druid数据源）包含数据库文件
2022-01-26
JAVA语言实现计算器小项目（与Windows附件自带计算器的标准版功能、界面相仿）
2021-02-08
使用mysql数据库及php技术实现的购物车效果_php查询数据库并输出
2020-11-22
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人