神经网络基础
神经网络
处理和学习复杂的数据 本周学习神经网络基础知识,包括前馈神经网络与时序神经网络结构、单层神经网络与多层神经网络典型案例实践。
课程安排:
掌握感知器的学习原理
掌握神经网络的模型结构
了解单层神经网络与多层神经网络的能力
掌握梯度下降算法原理与实践
掌握反向传播算法原理与实践
掌握RNN与LSTM模型结构
基于Python进行二维空间线性可分数据单/多层感知器实战
机器学习基础
机器学习
本周学习机器学习基础知识,包括机器学习概念、机器学习模型分类、评估目标与优化目标、典型案例实践。
课程安排:
掌握机器学习工具的基本流程
掌握特征的概念与使用
了解不同机器学习模型的分类
学会常见机器学习模型的评估方法
学会常见机器学习模型的学习优化目标
学习使用python机器学习工具sklearn
基于sklearn工具和鸢尾花数据集,进行逻辑回归实战
常见算法
算法
常见算法
常见的激活函数
import numpy as npdef sigmoid(x): return 1/(1+np.exp(-x))def tanh(x): return np.tanh(x)def relu(x): return np.maximum(0, x)def leaky_relu(x, alpha): return np.where(x>0, x, x*alpha)def elu(x, alpha): return np.where(x>0, x, alpha*(np.exp(x) - 1))
梯度下降
lr = 0.1x1 = 2.5for i in range(n_iterations): gredient = df(x1) x1 = x1 - lr*gredient
概率分布模型
import numpy as np# 设定随机数种子,以便于复现结果np.random.seed(0)# 伯努利p = 0.5bernoulli_dist = np.random.binomial(1, p, 1000)# ...
算法笔记
算法笔记
1 labuladong的算法笔记
From 2024年9月20日
单链表的基本技巧
1、合并两个有序链表 Easy
虚拟头节点,双指针
2、单链表分解 middle
虚拟头节点,双指针
3、合并K个升序链表 hard
堆的使用,priority_queue
4、寻找单链表的倒数第 k 个节点
5、寻找单链表的中点
6、判断单链表是否包含环并找出环起点
7、判断两个单链表是否相交并找出交点
2 LeeCode 刷题笔记
From 2024年9月20日 待补充
455. 分发饼干
09/22 提交
岛屿的周长
09/23 提交
最大连续 1 的个数
09/24 提交
提莫攻击
09/25 提交
下一个更大元素 I
09/26 提交
键盘行
09/27 提交
相对名次
09/28 提交
C++ 自查表
所有容器:Containers library - cppreference.com
中文首页:cppreference.com
英文首页:cppreference.com
如果以下英文网页难以理解,可以将 url 中的 en 改为 ...
CCF-CSP 刷题记录
CCF-CSP 刷题记录
From 2024年9月21日
基础算法
排序
快速排序
快排函数定义即
结束条件
随机划分轴
调整轴两侧顺序
递归执行左右部分
#include <iostream>#include <vector>#include <random>using namespace std;void quickSort(vector<int>& vec, int left, int right) { // 结束条件 if (left >= right) return; // 随机选择 pivot random_device rd; default_random_engine eng(rd()); uniform_int_distribution<int> distr(left, right); int pivotIndex = distr(eng); int pivot = vec[pivotIndex]; // ...
Self-Learning 序
序
计算机领域是一个庞大的领域,有无数的分支难以全部掌握,每个分支领域都可以说是无止境。所以对于踏入这个领域的人来说,一个明确且清晰的学习规划是非常重要的。我在本科的时候自学和学习走过很多弯路,也躺平过。经过这几年的反思,希望在研究生期间能稳定的发展下去,能在这个浩如烟海的领域里学习更为细致且深入的内容。
由我个人感觉,学习的效率和结果会因为多种因素出现很大的不同,包括但不限于信息壁垒、方法与技巧等
所以我准备写一系列的自学笔记,既是对自己的记录与推进,也是对大家的分享和帮助。人生在世,普通人需要担心的无非就两个,就业与学业。我会从这两个来讲自己的经历与笔记。
就业
由于时间和精力的限制,我只会讲解与自己相关的东西,如果方向与我不一样,也可以参考参考,毕竟大家也许很多地方都会有类似的考虑与疑惑。
对于经历过秋招和春招的我来说,就业不是一个让人迷茫的词。在我看来,准备就业其实只有一个方向,那就是丰富你的简历,在HR眼中也只能看到你的简历。所以我从研一开始就计划着丰富自己的简历,我的一切准备也是从丰富简历开始。接下来的讲解没有先后顺序,他们都同样重要;同样的,我也是在同时准备以下这 ...
如何使用 pytorch 创建一个神经网络
构建神经网络
1 导入所需包
import osimport torchfrom torch import nnfrom torch.utils.data import DataLoaderfrom torchvision import datasets, transforms
2 检查GPU是否可用
device = ( "cuda" if torch.cuda.is_available() else "mps" if torch.backends.mps.is_available() else "cpu")print(f"Using {device} device")print(torch.__version__)print(torch.cuda.is_available())print(torch.version.cuda)
Using cuda device
2.2.2+cu121
True
12.1
如果发现GPU不可用,可能是因为torch版本 ...
DL-notes:目录
目录
1 常见算法
参考
李宏毅深度学习教程LeeDL-Tutorial
邱锡鹏神经网络与深度学习NNDL
ML-notes:SVM
6 SVM
单细胞数据分析
单细胞数据分析
自2013年被选为年度方法以来,单细胞技术已经足够成熟,可以为复杂的研究问题提供答案。随着单细胞分析技术的发展,从单细胞分析中收集的数据也显著增加,导致处理这些庞大而复杂的数据集的计算挑战。
单细胞RNA测序-数据分析
scanpy 是一个用于分析单细胞转录组(single cell rna sequencing) 数据的python库,文章2018发表在Genome Biology。它和seurat几乎大差不差,但是以Python的生态,完全可以认为其具有更大的扩展潜力。
安装环境(Scanpy单细胞测序学习-环境配置)
公共单细胞数据集
10X Genomics免费提供的外周血单核细胞(PBMC)数据集
Preprocessing and clustering 3k PBMCs (legacy workflow) — scanpy-tutorials 0.1.dev50+g06018e6 documentation
scanpy提供的公开数据集
Datasets — scanpy
开始
1. 载入包
# 载入包import numpy as npimport pan ...