隐藏层 多层感知机在单层神经网络的基础上引入了一到多个隐藏层（hidden layer）。隐藏层位于输入层和输出层之间。 具体来说，给定一个小批量样本$\boldsymbol{X} \in \mathbb{R}^{n \times d}$，其批量大小为$n$，输入个数为$d$。假设多层感知机只有一个隐藏层，其中隐藏单元个数为$h$。记隐藏层的输出（也称为隐藏层变量或隐藏变量）为$\boldsymb…

导入需要的库 import torch from torch import nn from torch.nn import init import numpy as np import sys import torchvision from torch.utils import data from torchvision import transforms 获取和读取数据 def get_data…

导入本节实现所需的包或模块 import numpy as np import sys import torch import torchvision from torch.utils import data from torchvision import transforms 获取和读取数据 先获取Fashion-MNIST数据集，并设置批量大小为256。 def get_dataloader_…

获取数据集 通过torchvision的`torchvision.datasets`来下载这个数据集。第一次调用时会自动从网上获取数据。通过参数`train`来指定获取训练数据集或测试数据集。参数`transform = transforms.ToTensor()`使所有数据转换为`Tensor`，如果不进行转换则返回的是PIL图片。`transforms.ToTensor()`将尺寸为 (H x…

分类问题 线性回归模型适用于输出为连续值的情景。softmax回归适用于离散值的预测问题。 通常使用离散的数值来表示类别，例如$y_1=1, y_2=2, y_3=3$。与线性回归的一个主要不同在于，softmax回归的输出值个数等于标签里的类别数。 softmax回归模型 softmax回归同线性回归一样，也是一个单层神经网络。输出值$o_i$当作预测类别是$i$的置信度。 $$\hat{y}_…

P1007. 独木桥 题目描述 当两人面对面相碰时，两人都会转向行走， 那可以看成两个人交错而过。 求最小时间，计算出每个人到达两边的最小时间，所有时间中最大的一个即为所有人离开桥需要用的时间。 求最大时间，计算出每个人到达两边的最大时间，所有时间中最大的一个即为所有人离开桥需要用的时间。 #include<bits/stdc++.h> using namespace std; int…

题目链接：https://codeforces.com/contest/2037 E. Kachina's Favorite Binary String 通过不断询问$k_i=f(1,i),i=1,2,...,n$，如果ki>ki-1，则表示改位置为1，会产生新的满足条件的子串；如果$k_i=k_{i-1}$，则表示当前位置是0，不会产生新的满足条件的子串。在字符串最开始的位置如果为1的话，也不会…

生成数据集 import torch num_inputs=2 #特征数 num_examples=1000 #样本数 true_w=[2,-3.4] #真实权重 true_b=4.2 #真实偏差 features=torch.randn(num_examples,num_inputs,dtype=torch.float32) #生成特征 labels=true_w[0]*feat…

导入所需要的库 import torch import random 生成数据集 构造一个简单的人工训练数据集，设训练数据集样本数为1000，输入个数（特征数）为2。使用线性回归模型真实权重$w=[2,-3.4]^T$和偏差$b=4.2$，以及一个随机噪声项$\epsilon$生成标签。 其中噪声项 $\epsilon$ 服从均值为0、标准差为0.01的正态分布。噪声代表了数据…

函数前的GPIOA表示操作GPIOA组引脚，函数前的GPIOB表示操作GPIOB组引脚。 初始化： GPIOA_ModeCfg(GPIO_Pin_8, GPIO_ModeOut_PP_5mA);//初始化A8引脚 GPIO_ModeIN_Floating, //浮空输入 GPIO_ModeIN_PU, //上拉输入 、 GPIO_ModeIN_PD, //下拉输入 GPIO_ModeOut_PP_…