在树莓派上实现numpy的LSTM长短期记忆神经网络做图像分类，加载pytorch的模型参数，推理mnist手写数字识别
这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是LSTM识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： import torch import torch.nn as nn import torchvision import numpy ... »
在树莓派上实现numpy的conv2d卷积神经网络做图像分类，加载pytorch的模型参数，推理mnist手写数字识别，并使用多进程加速
这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是卷积识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： import torch import torch.nn as nn import torch.optim as optim from ... »
在树莓派上使用numpy实现简单的神经网络推理，pytorch在服务器或PC上训练好模型保存成numpy格式的数据，推理在树莓派上加载模型
这几天又在玩树莓派，先是搞了个物联网，又在尝试在树莓派上搞一些简单的神经网络，这次搞得是mlp识别mnist手写数字识别 训练代码在电脑上，cpu就能训练，很快的： 1 import torch 2 import torch.nn as nn 3 import torch.optim as opti ... »
深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算
# 深度学习基础入门篇[8]：：计算机视觉与卷积神经网络、卷积模型CNN综述、池化讲解、CNN参数计算 # 1.计算机视觉与卷积神经网络 ## 1.1计算机视觉综述 计算机视觉作为一门让机器学会如何去“看”的学科，具体的说，就是让机器去识别摄像机拍摄的图片或视频中的物体，检测出物体所在的位置，并对目 ... »
循环神经网络TextRNN实现情感短文本分类任务
目录 情感短文本分类 TextRNN的基本原理 TextRNN在情感短文本分类中的应用 总结 情感短文本分类 TextRNN是一种循环神经网络（RNN）结构，特别适用于处理序列数据。它通过将上一个时刻的隐状态与当前时刻的输入进行结合，来预测下一个时刻的输出。 情感短文本分类是指将文本数据 »
卷积神经网络CharCNN实现中文情感分类任务
目录 中文情感分类 CharCNN的基本原理 CharCNN在中文情感分类中的应用 总结 中文情感分类 CharCNN是一种卷积神经网络（CNN）结构，输入为字符级别的文本数据，并采用卷积加池化操作来提取有意义的特征并分类。CharCNN已被用于各种自然语言处理任务，如语音识别、情感分析、 »
神经网络算法RNN实现时间序列预测
目录 时间序列预测 RNN简介 RNN在时间序列预测中的应用 如何使用RNN实现时间序列预测 总结 时间序列预测 时间序列是按照时间顺序排列的数据集合，在很多应用中都非常常见。时间序列分析是对这些数据进行分析和预测的过程。时间序列预测是该分析的一个重要组成部分，它可以根据已有的时间序列 »
使用pytorch进行张量计算、自动求导和神经网络构建功能
目录 张量计算 张量的属性和方法，如何使用它们来获取或修改张量的信息和形状 张量之间的运算和广播机制，如何使用torch.add(), torch.sub(), torch.mul(), torch.div()等函数或者运算符来实现 张量与numpy数组之间的互相转换和共享内存机制 自动求导 »
机器学习（四）：4层BP神经网络（只用numpy不调包）用于训练鸢尾花数据集|准确率96%
题目： 设计四层BP网络，以g(x)=sigmoid(x)为激活函数， 神经网络结构为：[4，10，6, 3]，其中，输入层为4个节点，第一个隐含层神经元个数为10个节点；第二个隐含层神经元个数为6个节点，输出层为3个节点 利用训练数据iris-train.txt对BP神经网络分别进行训练，对训练后 ... »
卷积神经网络如何实现提取特征
目录 图像在计算机中的存储 1、黑白或灰度图像如何存储在计算机中 2、彩色图像如何存储在计算机中 矩阵的特征值与特征向量 图像特征与特征向量 卷积提取特征 总结 图像在计算机中的存储 图像其实就是一个像素值组成的矩阵。 1、黑白或灰度图像如何存储在计算机中 在这里，我们已经采取 »
构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)
毋庸讳言，和传统架构(BS开发/CS开发)相比，人工智能技术确实有一定的基础门槛，它注定不是大众化，普适化的东西。但也不能否认，人工智能技术也具备像传统架构一样“套路化”的流程，也就是说，我们大可不必自己手动构建基于神经网络的机器学习系统，直接使用深度学习框架反而更加简单，深度学习可以帮助我们自动地... ... »
机器学习（三）：朴素贝叶斯＋贝叶斯估计+BP人工神经网络习题手算|手工推导与习题计算
1.有 1000 个水果样例. 它们可能是香蕉，橙子或其它水果，已知每个水果的 3 种特性:是否偏长、是否甜、颜色是否是黄色 | 类型 | 长 | 不长 | 甜 | 不甜 | 黄色 | 非黄 | Total | | | | | | | | | | | 香蕉 | 400 | 100 | 350 | 1 ... »
机器学习算法（八）：基于BP神经网络的乳腺癌的分类预测
BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则... ... »
动手造轮子自己实现人工智能神经网络(ANN)，解决鸢尾花分类问题Golang1.18实现
人工智能神经网络（ Artificial Neural Network，又称为ANN）是一种由人工神经元组成的网络结构，神经网络结构是所有机器学习的基本结构，换句话说，无论是深度学习还是强化学习都是基于神经网络结构进行构建。关于人工神经元，请参见：人工智能机器学习底层原理剖析,人造神经元,您一定能看 ... »
动手造轮子自己实现人工智能神经网络(ANN)，解决鸢尾花分类问题Golang1.18实现
人工智能神经网络（ Artificial Neural Network，又称为ANN）是一种由人工神经元组成的网络结构，神经网络结构是所有机器学习的基本结构，换句话说，无论是深度学习还是强化学习都是基于神经网络结构进行构建。关于人工神经元，请参见：人工智能机器学习底层原理剖析,人造神经元,您一定能看 ... »
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
按照固有思维方式，人们总以为人工智能是一个莫测高深的行业，这个行业的人都是高智商人群，无论是写文章还是和人讲话，总是讳莫如深，接着就是蹦出一些“高级”词汇，什么“神经网络”，什么“卷积神经”之类，教人半懂不懂的。尤其ChatGPT的风靡一时，更加“神话”了这个行业，用鲁迅先生形容诸葛武侯的话来讲：“... ... »
人工智能机器学习底层原理剖析,人造神经元,您一定能看懂,通俗解释把AI“黑话”转化为“白话文”
按照固有思维方式，人们总以为人工智能是一个莫测高深的行业，这个行业的人都是高智商人群，无论是写文章还是和人讲话，总是讳莫如深，接着就是蹦出一些“高级”词汇，什么“神经网络”，什么“卷积神经”之类，教人半懂不懂的。尤其ChatGPT的风靡一时，更加“神话”了这个行业，用鲁迅先生形容诸葛武侯的话来讲：“... ... »
Pytorch之8层神经网络实现Cifar-10图像分类验证集准确率94.71%
目录 实验环境 神经网络结构图 Pytorch上搭建网络 Pytorch上训练 1.优化器 2.学习率 3.数据策略 4.超参数 实验结果：best_acc= 94.71% 总结 实验环境 Pytorch 1.7.0 torchvision 0.8.2 Python 3.8 »
Pytorch之8层神经网络实现Cifar-10图像分类验证集准确率94.71%
目录 实验环境 神经网络结构图 Pytorch上搭建网络 Pytorch上训练 1.优化器 2.学习率 3.数据策略 4.超参数 实验结果：best_acc= 94.71% 总结 实验环境 Pytorch 1.7.0 torchvision 0.8.2 Python 3.8 »
如何用Python对股票数据进行LSTM神经网络和XGboost机器学习预测分析（附源码和详细步骤），学会的小伙伴们说不定就成为炒股专家一夜暴富了
最近调研了一下我做的项目受欢迎程度，大数据分析方向竟然排第一，尤其是这两年受疫情影响，大家都非常担心自家公司裁员或倒闭，都想着有没有其他副业搞搞或者炒炒股、投资点理财产品，未雨绸缪，所以不少小伙伴要求我这边分享下关于股票预测分析的技巧。基于股票数据是一个和时间序列相关的大数据，所以我打算给大家分享时... ... »