四川兔兔的博客

原创 slot attention 网络搭建的代码讲解

本文讲解 sot attention 的网络搭建过程，其中包括初始化函数，网络前向传播函数。文章对里面的参数作用和使用进行了详细讲解。

原创 Pytorch 实战四 VGG 网络训练

本文主要详细介绍了搭建一个VGG网络后，训练的过程，把代码拆开，嚼碎。

原创 Pytorch实战四 基于 VGG net 搭建一个串联的神经网络结构

Pytorch 实战四 VGG 类似网络的建立，这里建立一个类，核心是初始化操作和前向传播。代码部分的细节在卷积过程中的图片张量变化，函数调用时参数要满足的要求。

原创 Pytorch 实战三 Cifar 10 数据加载

本文主要讲解了数据加载，读取原始数据，把数组转化成图片。然后加载数据，把图片加上标签，根据地址自动加载数据。详细讲解了代码和运行过程。

原创 Pytorch 卷积神经网络参数说明一

本文基于前面两个实战，主要讲解了神经网络中的细节层，包括卷积层、池化层、全连接层、损失层等等。给出了其作用和关键代码函数接口。

原创 pytorch 实战二 CNN手写数字识别

本文介绍了使用PyTorch实现手写数字识别任务的全过程。主要内容包括：使用torchvision.datasets加载MNIST数据集，并利用DataLoader进行分批处理；构建基于Sequential的CNN网络结构，包含卷积层、BatchNorm和全连接层；采用交叉熵损失和Adam优化器进行训练，详细说明了训练流程和测试方法；最终模型在测试集上达到98%的准确率，loss降至0.06左右。文章提供了完整代码和数据集下载链接，适合作为深度学习入门实践项目。

原创 pytorch实战波斯顿房价回归模型

这是pytorch 基础过后的第一个完整项目，不懂的欢迎评论。内容包括：数据预处理，数据集分割，网络定义，训练和测试。其中还有一些小细节，损失函数选择和优化器选择，欢迎大家阅读。

原创 pytorch 之 nn 库与调试

本文讲解了pytorch 中的nn库的几个常用的类和函数，以及数据可视化的库，具体的实例我们在实战中给出，敬请关注后续，会更加精彩

原创 pytorch 中前向传播和后向传播的自定义函数

在开始正文之前，请各位姥爷动动手指，给小店增加一点访问量吧，，同时希望我的文章对你的学习有所帮助。本文也很简单，主要讲解pytorch的前向传播张量计算，和后向传播获取梯度计算。

原创 Pytorch 的编程技巧

这篇文章讲述了一些pytorch 的一些基本操作，和numpy之间的转化，读入一张图片，然后进行数据处理，可视化。后面我们还会继续深入介绍未使用的函数接口。

原创 pytorch 与 张量的处理

核心思想是把一个张量看成一个数组（也是存储的底层逻辑），然后按照给定的规模进行重构，顺序选择元素，填入新的张量中。dim = 0,表示从列开始循环，每一列选择对应的元素，我这里从行开始，每一行按照0, 3, 2的索引顺序选择元素，最终组成 4 x 3 的矩阵。消去维度，这个理解不难，比如一个张量（2,2,3）去除第三个维度，会形成三个（2,2）的张量，就是成员变量。要把整个张量看作是一个一维数组，所以传递的张量数组是一维的，选择对应的元素作为输出，输出结果和 masked_select 一样，是一个向量。

原创 pytorch学习之矩阵分解

这篇文章主要介绍了矩阵分解在深度学习中的应用，重点讨论了EVD特征值分解与PCA降维算法，以及SVD奇异值分解与LDA判别分析的关系。EVD分解用于PCA降维，通过保留最大特征值对应的特征向量来实现特征选择；SVD分解则与LDA算法相关，通过最大化类间离散度和最小化类内离散度来优化分类性能。文章还简要提及了LU分解和QR分解等其他矩阵分解方法，并指出不同分解方法适用的场景。全文以线性代数为理论基础，阐述了矩阵分解在特征降维和模式识别中的核心作用。

原创 计算机视觉应用 Slot Attention

slot attention 是计算机视觉应用领域的算法，我们知道计算视觉应用是在模仿人类的视觉识别过程。像胶囊神经网络关注结构性学习，对以对象为中心的表征学习很困难，而这也是我们人类的视觉识别模式。为了让人工智能视觉识别更加接近人类，提出slot attention 这个学习组件插槽算法，以对象为中心的表征学习，来捕捉自然场景中的自然属性。

原创 Vue 学习第一天

毕业时，因为前端很丑折磨了好一段时间。现在有时间，学习一下前端的Vue组件开发。下面是我记录的知识，学习来源是哔站的黑马老师，大家不懂可以点对点去学习。

原创 Java EE 企业级应用开发教程题库（第二版）

Java EE这是一门偏向于实践的课，奈何考试理论居多。Mybatis,Spring,SpringMVC一学期想搞懂三个框架，嘿嘿，难哦！如果你是大一大二的同学，认认真真学习，真的有用。如果你是大三的同学，像就业并且走这个方向的同学，也认真学习。如果你大三考研的同学，自己安排时间。这里是我平时的五个作业，建立成一个题库供大家搜索。里面的答案部分很怪，但就是给的标答，大家可以找老师商讨。使用法则：Ctrl + F 键搜索你需要的题目。

原创 数据挖掘期末复习

数据挖掘期末考试会给考纲，不同学校可能有所不同，大家看问题选取所需。另外有不正确的地方，或者遗漏的地方希望大家在评论区斧正和补充。

原创 聚类分析的基本概念和方法

结合《数据挖掘概念与技术》这本著作，讲解里面聚类的相关概念，详细讲解三个算法：k-均值，k-中心，DBSCAN,只涉及基础思想。重点体会三个算法的思想，聚类基本概念作为积累知识点，看得多积累多。

原创 Python123 期末题库

  本篇文章记录在 Python123 上面的题库，代码仅供参考，题量除了学校作业之外还去收集了一些。对有益处的同学可以收藏一下，把感受写在评论区，切勿关注，社恐谢谢！搜索 ctrl+F 搜索定位你的题目，不对就换博主。

原创 ROC 曲线介绍以及 python 画法

本篇文章结合数据挖掘第八章的理论知识，结合博主拟禾的代码讲解了 ROC 曲线从概念到实现的过程，多算法 ROC 曲线比较。

原创 Python123 第二次实验课

实验二相对而言还是简单，最后一题稍微有一丢难度。我们通过此次实验知道字符串怎么用，怎么进行拼接和分割，其次便是 if 判断语句熟练掌握。

原创 Python3 数据类型转化

很多时候，我们编程需要对数据进行强制转换。在 Python3 中，强制转换和 Java 、C 语言一样分成两种：隐式的转换、和显示的转换。不同点就是他们的语法规则稍有区别。这篇文章分成三个部分来说，隐式转换 (最简单)、显试转换 (有其他语言基础 easy) 、转换表（记不住就多看表）

原创 大数据分析实验代码

有很多同学使用虚拟机无法通过 windows 和 Linux 共享复制粘贴板。实现起来可能比较麻烦，这里所给的代码是实验的测试代码。

原创 Ubuntu 网络用不了

我做实验作业需要改一些配置文件或一些系统设置。也不知道哪里出了问题，网络就用不了了，倒腾了一天，现在把我遇到的情况和解决办法说一下。

原创 Python 实验二上篇基础系列

Python3 中有 6 个标准的数据类型：**Number (数字)、String (字符串)、Tuple (元组)、List (列表)、Set (集合)、Dictionary (数组)。** 其中前面三个是不可变数据，后面三个是可变数据。这里为初学者罗列说明。

原创 Python 练习题讲解

本题出自 python123 作业练习题。要求用户输入一个小数，能够分别获取整数部分和小数部分，并输出。

原创 矩阵的基本演算

  这篇文章主要介绍了矩阵的一些基本演算，导数，奇异值分解。这里只是作为粗略的复习，详细的推导还请参考线性代数有关的专业书籍。一、矩阵演算  记是矩阵 A ∈ Rm×n\mathbb{R}^{m\times n}Rm×n 第 i 行第 j 列的元素（AijA_{ij}Aij​）= AijA_{ij}Aij​.矩阵 AAA 转置记作 ATA^TAT.转置运算：(AT)ij=Aji(A^T)_{ij} = A_{ji}(AT)ij​=Aji​，那么有以下两个法则(A+B)T=AT+BT(AB)T=BTA

原创 ALEC 代码（含注释）

简述  主动学习算法ALEC，如果你已经了解了概念，那么这个代码部分将非常适合你深度学习。讲解文章在点击这里。代码package machinelearning.activelearning;import java.io.FileReader;import java.util.Arrays;import weka.core.Instances;import java.util.*;public class Alec { /** * 整个数据集 */ Instances datas

原创 主动学习ALEC算法——Java之旅

主动学习 ALEC,如果你对概念了解了，这里面是代码运行讲解。如果不了解，里面有概念讲解的链接，看完概念看此文。这篇文章附上了代码部分，对ALEC算法进行了一个细致讲解。其中重点讲了核心的方法，难点的寻址部分已经附上了说明图。

原创 决策树——Java代码之旅

一、主类成员认识  我们概念讲解是在这里，下面便是成员变量。我们一点一点看，最后拉通走一遍。整个程序我是顺序运行的，给一个标题方便大家去找对应的方法public class ID3 { /** * 数据集 */ Instances dataset; /** * 这个数据集是纯的（只有一个标签）？ */ boolean pure; /** * 决策类的数量. 二元分类它是2：0,1. */ int numClasses; /** * 可用实例。 其它实例不属

原创 主动学习算法——ALEC

一、概述  我们知道监督学习就是给定标签类型去分类，建立学习模型，例如Knn,而无监督学习就是给分类的标签，你随便分，只要有你分类的依据就好，例如K-means算法，你可以把一堆没有标签的数据分成2,3,4类等等。半监督学习什么呢？我们来举个例子：我们面对很多病人，我一个小白要给他判断病情，我去瞎猜可不行不专业，上百度一出来就是癌症起步。这种情况下咋办？那就找专业的医生呗，我看他怎么分析，对每种病人如何判断，这种病人有什么病状。你想想看，求人不如求己，拜佛不如拜我，对吧，请别人需要代价的啦，病人多，你每次

原创 决策树的概念讲解

机器学习决策树的概念，信息增益等相关概念，讲解ID3和C4.5来生成树，最后是决策树的剪枝处理。

原创 信息网络安全——AES加密算法

本篇文章从概念的角度讲解AES算法的具体步骤：轮秘钥加，秘钥拓展，字节代换，行位移和列混淆。

原创 机器学习——模型评估和选择

这里需要我们一起来，头脑中回想一下什么是误差？过拟合欠拟合的定义？为了评估学习器的优劣，有哪些方法？性能量度有哪些呢？文章有点长，大家梳理一下吧。

原创 Java数组讲解

数组的声明两种方式，加强型循环（Arrays快捷输出），数组的拷贝两种方法，数组快速排序。

原创 BP算法Java实现

原创 机器学习——神经网络

从最基础的神经网络结构，到BP算法公式推导，原理举例，和代码讲解（代码考虑到字数另加的超链接）

原创 公钥密码RSA

公钥加密体制模型发送方A查找接收方B的公钥；A采用公钥加密算法用B的公钥对明文进行加密；A通过不安全信道将密文发送给B；B收到密文后使用自己的私钥对密文解密还原出明文。单向陷门函数给定x，计算 y=f(x) 是容易的给定y，计算 x 使得 y=f(x) 是困难的存在δ，已知δ时，对给定的任何y，若相应的x存在，则计 算 x 使 y=f(x) 是容易。注意：仅满足(1)、(2)两条的称为单向函数；第(3)条称为陷门性，δ 称为陷门信 息。. 当用陷门函数f作为加密函数时，可将

原创 贝叶斯公式到拉普拉斯光滑的理解

1.学习感悟：还没有正式接触概论课，初始机器学习遇到了第一个难题，NB算法中的贝叶斯公式。说一句实话，学问这东西一定要平心静气，自己认为看懂了不管了那才是危险所在。不要自大，不要浮躁气馁，这是我的教训。所以我写这篇文章来认真学习里面的每一个点，包括了公式的由来，我以高中的知识和老师给我的讲解来理解，初学者有错指出来我乐意改正。2.基础介绍回到正题，机器学习中我们传入数据。如下面这个：@relation weather.symbolic@attribute outlook {sunny,

原创 初学分类算法-NB

说道分类算法-NB，我要从两个方面入手，第一什么是分类问题？第二什么是NB算法？分类问题：1.1 二值问题：就是 0，1是与否的问题和回归（概率，分数值）问题。前者我们很好理解，我们用淘宝举个例子，买东西我们要搜索对吧，那么这个商品能不能推荐给你是不是只有两种可能，推荐或者不推荐嘛。可如果符合你胃口的商品有很多件，实际情况也是这样，那么要把最适合你的这类商品推荐给你，就存在一个拟合度，涉及到回归问题和概率的问题了。回归问题这里比如有一个域值：0.8，我们对商品进行预测只有大于0.8说明这商品多半是你

原创 初识kMeans 聚类

概念引入：我们前面讲到了knn算法，我们手里都是有一个标签，给出数据我们朝着标签方向优化，使得未知属性的数据预测其属于哪一类标签。现在问题来了，无监督学习，也就是我们手里的数据并没有属于哪一类的标签。其实，这和我们分类的效果是差不多的。我们还是要把杂乱的数据分成很多簇，聚类就是要把相似的东西分到一组。比如说这张图片：我们可以按照颜色大致分成A,B,C,D四块这种思想还是挺简单的吧，可是实现起来还是有一些难点：如何评估，如何调参。之前的有监督学习我们还可以做一个验证，然后产生一个评估标准。