【人工智能概论】 使用kaggle提供的GPU训练神经网络

相关文章

• 

  【人工智能概论】 K折交叉验证

  简单验证： 将原始数据集随机划分成训练集和验证集两部分，例，将数据按照7：3的比例分成两部分，70%的样本用于训练模型；30%的样本用于模型验证，如下图。 数据都只被用了一次； 验证集上计算出来的评估指标与原始分组有很大关系； 对于时序序列，要保存时序信息，

  2024年02月08日

  浏览(33)
• 

  hnu计算机与人工智能概论5.6

  最近有点忙，好久没更新了，大家见谅！最后一关howell也做不出来  第1关：数据分析基础 1.将scores.xls文件读到名为df的dataframe中 2.添加平均分列：考勤、实验操作、实验报告的平均 3.输出前3行学生的平均分列表，控制小数点后两位 4.输出学生人数和班级数 5.分别输出实验报

  2024年02月04日

  浏览(37)
• 

  hnu计算机与人工智能概论答案3.8

  连夜更新，求求关注！！ 写在前面：这一课难度较低，报错时多看看冒号和缩进有无错误，祝大家做题顺利！！！ 第1关：python分支入门基础 根据提示，在右侧编辑器补充代码，完成分支程序设计（用函数调用的方式来实现）。 第1题： 闰年的判断：判断某一年是否是闰年，

  2024年02月08日

  浏览(32)

• 【人工智能概论】 optimizer.param_groups简介

  optimizer.param_groups ： 是一个list，其中的元素为字典； optimizer.param_groups[0] ：是一个字典，一般包括[‘params’, ‘lr’, ‘betas’, ‘eps’, ‘weight_decay’, ‘amsgrad’, ‘maximize’]等参数（不同的优化器包含的可能略有不同，而且还可以额外人为添加键值对）； 举例展示： 不同键

  2024年02月10日

  浏览(35)
• 

  hnu计算机与人工智能概论答案3.15

   终于肝完了！有一说一，这一次难度肉眼可见的提升，终于明白程序员为什么会秃顶了（头发真的禁不住薅啊），祝大家好运！ 第1关：循环结构-while与for循环 第1题 编程计算如下公式的值1^2+3^2+5^2+...+995^2+997^2+999^2并输出结果 第2题 用 while 语句完成程序逻辑，求如下算法可

  2024年02月08日

  浏览(38)
• 

  hnu计算机与人工智能概论答案2.20

  补一下第一次作业 第1关：数据输入与输出 第一题 在屏幕上输出字符串：hi, \\\"how are you\\\" ,I\\\'m fine and you 第二题 从键盘输入两个整数，计算两个数相除的商与余数 假设输入12,5 输出为 2 2 第三题 在屏幕上 输入一个三位数输出该数的个位、十位和百位数字 假设输入125 输出为 5 2

  2024年02月08日

  浏览(46)
• 

  使用kaggle的GPU离线训练自己的模型

  有时候为了得到更好的模型结果，你可能需要使用一个更大的batch-size去训练，但是自己的电脑gpu又带不动，那么这时候你就可以尝试去使用一些免费的线上训练网站了，下面我将介绍使用kaggle离线训练自己的神经网络模型步骤。 直接百度搜索或者点击下面网址进入kaggle。 进

  2024年02月02日

  浏览(31)

• hnu计算机与人工智能概论5.26（方程求根）

  第1关：用暴力搜索法求方程的近似根  本关任务：用暴力搜索法求 f(x)=x3−x−1 在[-10,10]之间的近似根。已知f(-10)0，f(10)0,画图可知函数在[-10,10]区间有且仅有一个根。要求近似根带入函数f(x)之后，函数值与0之间的误差在 10−6 之内，请保留4位小数输出该根值，并输出搜寻次

  2024年02月03日

  浏览(32)
• 

  【人工智能概论】 自编码器（Auto-Encoder , AE）

  自编码器结构图 自编码器是自监督学习的一种，其可以理解为一个试图还原其原始输入的系统。 其主要由编码器（Encoder）和解码器（Decoder）组成，其工作流程是将输入的数据 x 经编码器压缩成 y ， y 再由解码器转化成 x* ，其目的是让 x* 和 x 尽可能相近。 注意：尽管自编码

  2024年02月04日

  浏览(28)

• 模型训练：优化人工智能和机器学习，完善DevOps工具的使用

  作者：JFrog大中华区总经理董任远 据说法餐的秘诀在于黄油、黄油、更多的黄油。同样，对于DevOps而言，成功的三大秘诀是自动化、自动化、更高程度的自动化，而这一切归根结底都在于构建能够更快速地不断发布新版软件的流程。 尽管人们认为在人工智能（AI）和机器学习

  2024年02月10日

  浏览(28)