莫凡专题
莫凡Pytorch学习笔记（六）
Pytorch中的mini-batch和优化器 本篇笔记主要对应于莫凡Pytorch中的3.5和3.6节。主要讲了如何使用Pytorch中的mini-batch和优化器。 Pytorch中的mini-batch 在笔记二、三中搭建的网络中，我们是一次性直接将整个训练集送进网络，这种方式称为Full Batch Learning。但是当数据量很大时，首先一次性加载这么多数据收到了内存的限制，同
莫凡Pytorch学习笔记（五）
Pytorch模型保存与提取 本篇笔记主要对应于莫凡Pytorch中的3.4节。主要讲了如何使用Pytorch保存和提取我们的神经网络。 我们将通过两种方式展示模型的保存和提取。 第一种保存方式是保存整个模型，在重新提取时直接加载整个模型。第二种保存方法是只保存模型的参数，这种方式只保存了参数，而不会保存模型的结构等信息。 两种方式各有优缺点。保存完整模型不需要知道网络的结构，一次性保存一次
Scikit-learn (sklearn)速通 -【莫凡Python学习笔记】
视频教程链接：【莫烦Python】Scikit-learn (sklearn) 优雅地学会机器学习 视频教程代码 scikit-learn官网 莫烦官网学习链接 本人matplotlib、numpy、pandas笔记 1 为什么学习 Scikit learn 也简称 sklearn, 是机器学习领域当中最知名的 python 模块之一. Sklearn 包含了很多种机器学习的方式:
![NOIP模拟题 by天津南开中学 莫凡[tarjan][树剖][并查集]](/front/images/it_default.jpg)
NOIP模拟题 by天津南开中学 莫凡[tarjan][树剖][并查集]
考试总结： 解题报告： 一． 图的连通性： 题意：给定一图，动态删边，动态求是否连通，且查询中输入的变量需xor当前边数才为最终输入数据； 分析：只删边则可以逆向建边用并查集查询是否连通，并查集基本上也是现阶段唯一一种可以在线快速求联通的算法了； 具体实现的话，先把边用康托展开转化为n+1进制的数，再用map去映射一个编号，然后两个mapy一个通过编号存储边出现次数，一个通过编号存储这条
莫凡《机器学习》笔记
笔记参考地址：https://morvanzhou.github.io/tutorials/machine-learning/ML-intro/ 机器学习方法 1.1 机器学习 通常来说, 机器学习的方法包括: 监督学习 supervised learning：（有数据有标签）在学习过程中，不断的向计算机提供数据和这些数据对应的值，如给出猫、狗的图片并告诉计算机哪些是猫哪些是狗，让计算机去学习分
【莫凡PyTorch教程笔记】-2. 建造第一个神经网络
关系拟合 (回归) 这次会来见证神经网络是如何通过简单的形式将一群数据用一条线条来表示. 或者说, 是如何在数据当中找到他们的关系, 然后用神经网络模型来建立一个可以代表他们关系的线条. 建立数据集 我们创建一些假数据来模拟真实的情况. 比如一个一元二次函数: y = a * x^2 + b, 我们给 y 数据加上一点噪声来更加真实的展示它. x = torch.unsqueeze(to
莫凡的python_莫凡Python之keras 2
莫凡Python 2 kearsregressionpython Classifier 分类 使用 mnist 数据集，这是0-9的图片数据，我们使用神经网络去识别这些图片。显示图片上的数据 本质上是使用神经网络去分类。 参考资料 数据预处理、熟悉数据 # -*- coding: utf-8 -*- """ Classifier 分类 """ from keras.datas
Matplotlib-莫凡
Matplotlib是python中的画图包 安装MLP之前先安装numpy #基本用法import matplotlib.pyplot as pltimport numpy as npx=np.linspace(-1,1,50)# y=2*x+1y=x**2plt.plot(x,y)plt.show() 输出: #figure的使用,即窗口import matplotl
强化学习莫凡python——一些补充
1. RL分类 model-free方法：对环境不了解，每次行动只能等环境的反馈才可以进行下一步model-based方法：由于已经对环境有一定的了解，所以每次在执行行动的时候可以预先想象到之后环境的反馈，来更好指导自己的决策。对环境的了解主要体现在：环境的奖励、环境的一些状态转移概率，这些内容是否已知 基于概率的方法输出的是每个动作的概率，这时每个动作都有可能被选到基于价值的方法输出
莫凡Pytorch学习笔记（五）
Pytorch模型保存与提取 本篇笔记主要对应于莫凡Pytorch中的3.4节。主要讲了如何使用Pytorch保存和提取我们的神经网络。 我们将通过两种方式展示模型的保存和提取。 第一种保存方式是保存整个模型，在重新提取时直接加载整个模型。第二种保存方法是只保存模型的参数，这种方式只保存了参数，而不会保存模型的结构等信息。 两种方式各有优缺点。保存完整模型不需要知道网络的结构，一次性保存一次
莫凡Pytorch学习笔记（三）
Pytorch分类模型搭建 本篇笔记主要对应于莫凡Pytorch中的3.2节。主要讲了如何使用Pytorch搭建一个分类模型的神经网络。 这里我们同样是继承torch.nn.Module来书写自己的神经网络。在继承该类时，必须重新实现__init__构造函数和forward这两个方法。 接下来我们来自己搭建一个分类模型的神经网络。 数据生成与展示 import torchimport t
莫凡keras学习笔记一回归
文章目录 前言生成数据集搭建神经网络进行训练画图观察最后结果 前言 特别喜欢莫凡老师，总是在特别短的时间带你入门一门技术。对于我这种希望在短期内入门的孩子来说真是太好了。这里打算记录一波莫凡老师的keras教程的笔记。留作以后回忆。keras是一种封装了底层的神经网络包。让你只需要一行命令就能够添加各种神经网络层如CNN，RNN，LSTM。在这篇笔记中，记录了一个简单的回归模型，
莫凡Pytorch学习笔记（一）
前言 最近在学习莫凡的Pytorch教程，为了避免忘记，现对一些学习中的知识点进行记录。对本系列博客，有以下几点需要注意： 基础的Tensor操作我已经有过记录，因而在学习时我直接从激活函数这一节开始学起。莫凡Pytorch的代码大多基于Pytorch的0.4版本，而我现在学习时使用的是1.7.1版本，部分代码我进行了调整。 好了，废话不多说，开始今天的学习笔记记录。 Pytorch中几种
莫凡Pytorch学习笔记（二）
Pytorch回归模型搭建 本篇笔记主要对应于莫凡Pytorch中的3.1节。主要讲了如何使用Pytorch搭建一个回归模型的神经网络。 在Pytorch中自定义一个神经网络时，我们需要继承torch.nn.Module来书写自己的神经网络。在继承该类时，必须重新实现__init__构造函数和forward这两个方法。这里有一些注意点： 一般把网络中具有可学习参数的层（如全连接层、卷积层等
李宏毅机器学习 CNN+莫凡Python CNN笔记
下学期要学CV了 又要换电脑 干脆把笔记记在这上面 以后也好找 李宏毅机器学习笔记 https://www.youtube.com/watch?v=FrKWiRv254g&list=PLJV_el3uVTsPy9oCRY30oBP
莫凡python-matplotlib-class1
莫凡python应该有不少人跟着学过，最近在学习他的Matplotlib画图教程。这部分内容我就一点点记录自己的学习理解。 一：安装Matplotlib 检查自己设置的虚拟环境是否已经安装了matplotlib,没有的话pip安装一下即可 二：基础使用 1.调用画图库——matplotlib中需要调取pyplot函数库，经常是简称为plt 2.调用生成数据的库——nump
【莫凡Python】Tensorflow 基础构架
1 处理结构 Tensorflow： 首先要定义神经网络结构（数据流图 data flow graphs），再把数据 (数据以张量tensor形式存在) 放入结构中进行运算和训练。即tensor不断在一个节点flow到另一个节点。Tensor (张量) ： 零阶张量=纯量=标量=scalar=一个数值，e.g. [1] 一维张量=向量=vector, e.g. [1, 2, 3] 二维张量=
莫凡pyTorch1
文章目录 一、torch与numpy1.绝对值、三角函数、平均值2.矩阵乘法3.画出四个激活函数 二、回归分类1.画回归散点图2.回归网络3.分类网络4.两种搭建框架（画图纸）的方法5. 保存网络和提取网络6.批训练 minibatch trainning7.优化器Optimizer 总结 一、torch与numpy 1.绝对值、三角函数、平均值 import torch
Pytorch学习笔记|莫凡Python
目录 PyTorch 和 Tensorflow的区别用 Numpy 还是 TorchTorch 中的数学运算变量 (Variable)Torch 中的激励函数关系拟合 (回归)要点建立数据集建立神经网络训练网络可视化训练过程 区分类型 (分类)建立数据集建立神经网络训练网络可视化训练过程 快速搭建批训练卷积神经网络原理池化(pooling)流行的 CNN 结构 CNN实例（手写数据）训练可视
莫凡Python学习笔记——Microbial Genetic Algorithm
内容原文：https://morvanzhou.github.io/tutorials/machine-learning/torch/ 微生物遗传算法（Microbial Genetic Algorithm） 这种算法是用来解决遗传算法中的一些问题，当我们在遗传的过程中，我们在利用原始的种群繁衍变异产生新的种群以后，原来的种群就消失了，但是有可能我们在这个过程也将好的个体丢失了，所以有可能变异之