2022/8/14

CTFshow_萌新——WriteUp(一)

萌新认证 按题目要求在群里召唤即可。 d23e1818fd4e4f45901d1a02454dabe6 萌新_密码1 密文: 53316C6B5A6A42684D3256695A44566A4E47526A4D5459774C5556375A6D49324D32566C4D4449354F4749345A6A526B4F48303D 提…

  • CTF
  • 2022/8/14
  • T1d
  • 1,234
  • 2022/8/14

    跑步打卡

    8月 2022/8/14 2022/08/15   2022/08/18   2022/08/21   2022/08/22 2022/08/25   2022/08/29 9月 2022/09/06

  • 日常
  • 2022/8/14
  • T1d
  • 1,224
  • 2022/8/11

    深度学习笔记(十)—— 多层感知机

    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。如图: 隐藏层中的神经元和输⼊层中各个输⼊完全连接,输出层中的神经元和隐藏层中的各个神经元也…

  • 深度学习笔记
  • 2022/8/11
  • T1d
  • 1,208
  • 2022/8/6

    深度学习笔记(六)—— 线性回归(2)

    生成数据集 和线性回归(1)中的步骤完全一致,可以参考前文同一小结。 读取数据 Gluon提供了data包来读取数据。由于data常⽤作变量名,我们将导⼊的data模块⽤添加了Gluon⾸字⺟的假名gdata代替。在每一次迭代中,…

  • 深度学习笔记
  • 2022/8/6
  • T1d
  • 888
  • 2022/8/5

    深度学习笔记(五)—— 线性回归(1)

    首先我们需要导入我们需要的包和模块 from IPython import display from matplotlib import pyplot as plt from mxnet import autograd, nd import random 注:这里导入IPython和matplotlib时需要先在pycharm里…

  • 深度学习笔记
  • 2022/8/5
  • T1d
  • 939
  • 2022/8/5

    深度学习笔记(四)—— 线性回归基础

    线性回归输出是一个连续值,因此适⽤于回归问题。 基本要素 模型 设房屋的⾯积为x 1 ,房龄为x 2  ,售出价格为y。我们需要建⽴基于输⼊x 1 和x 2来计算输出y的表达式,也就是模型(model)。顾名思义,线性回归假…

  • 深度学习笔记
  • 2022/8/5
  • T1d
  • 1,764
  • 2022/8/5

    深度学习笔记(三)—— *查阅文档

    查找模块里的所有函数和类 当我们想知道一个模块⾥⾯提供了哪些可以调用的函数和类的时候,可以使⽤dir函数。下⾯我们打印nd.random模块中所有的成员或属性。 from mxnet import nd, autograd print(dir(nd.rand…

  • 深度学习笔记
  • 2022/8/5
  • T1d
  • 841
  • 2022/8/5

    深度学习笔记(二)—— 自动求梯度

    简单例子 首先我们要导入所需要的模块: from mxnet import nd, autograd 对函数y = 2xTx求关于列向量x的梯度(注:这里我们可以视作给函数y=2x2求导),我们先创建变量x,并赋初始值。 x = nd.arange(4).reshape((…

  • 深度学习笔记
  • 2022/8/5
  • T1d
  • 902
  • 2022/8/4

    深度学习笔记(一)—— 数据操作

    写在前面:由于前段时间学习python时使用过pycharm,而且pycharm可以自动补全函数,相对方便,所以在学习深度学习时我同样选择了pycharm,因此笔记中的代码均为pycharm中的格式。 当然,使用pycharm也可以使用原书…

  • 深度学习笔记
  • 2022/8/4
  • T1d
  • 2,027
  • 2022/8/4

    深度学习笔记(零)—— 数学基础

    一、范数 定义 范数(norm)是数学中的一种基本概念。在泛函分析中,它定义在赋范线性空间中,并满足一定的条件,即①非负性;②齐次性;③三角不等式。它常常被用来度量某个向量空间(或矩阵)中的每个向量的长度或大小…

  • 深度学习笔记
  • 2022/8/4
  • T1d
  • 1,126