Dream_Henry的博客

原创 作业：pytorch实现图卷机网络，与随机梯度下降法实现

核心代码：图卷积网络import torchimport torch.nn.functional as Ffrom torch_geometric.nn import GCNConvfrom torch_geometric.datasets import Planetoiddataset = Planetoid(root='/tmp/Cora', name='Cora')class Net(torch.nn.Module): def __init__(self):

原创 作业：决策树-好瓜-公式推导

原创 作业：强化学习——Actor Critic Method

简易代码与实现：import gym, osfrom itertools import countimport paddleimport paddle.nn as nnimport paddle.optimizer as optimimport paddle.nn.functional as Ffrom paddle.distribution import Categoricalprint(paddle.__version__)device = paddle.get_device()

原创 作业：神经网络识别数字

import paddlefrom paddle.nn import Linearimport paddle.nn.functional as Fimport osimport numpy as npimport matplotlib.pyplot as plttrain_dataset = paddle.vision.datasets.MNIST(mode='train')train_data0 = np.array(train_dataset[0][0])train_label

原创 作业：神经网络初认知

原创 作业：欧拉公式以及凉鞋问题

简单的程序应用import numpy as npimport matplotlib.pyplot as pltx=0y=1i=0for i in range (10): Y=1.1*y - 0.2*(x/y) x=x+0.1 i+=i y=Y print(x,y) 运行结果 0.1 1.1 0.2 1.191818181818182 0.30000000000000004 1.277437833714722

原创 作业：感知器算法

相关公式推导与思考首先是Li与Δi：再是有激活函数σ（x）（注意偏导啥的切勿搞混）搞清楚各类函数之间推导关系（实际上我这个公式推了多次才正确推导成功），接下来据此构思代码。关联代码实现：import randomimport mathclass Perceptron: def __init__(self) -> None: self.h = 0.5 self.e = 1e-4 self.t = 0 self.d

原创 作业1：梯度下降法

import numpy as npimport matplotlib.pyplot as pltx = np.array([[2104, 3], [1600, 3], [2400, 3], [1416, 2],[3000,4]])t = np.array([400, 330, 365, 232, 540])a = 0.1b0 = np.random.random()b1 = np.random.random()b2 = np.random.random()b = np.array([th

原创 作业--numpy简单操作练习合集

以下是顺序开始的numpy操作练习，水平欠佳，请多包涵。import numpy as npa = np.array([1,1,1,1])b = np.array([[1],[1],[1],[1]])print(a+b)c = np.array([[1,1,1,1]])print(c+b)运行结果（不必要）[[2 2 2 2] [2 2 2 2] [2 2 2 2] [2 2 2 2]][[2 2 2 2] [2 2 2 2] [2 2 2 2] [2 2 2 2]]i