UNSW新南 COMP1531 & 9444作业攻略&解析

2023-02-01

Chris Guo

本文包含

COMP1531 project】&【COMP9444 assignment1

讲解

同学们请往下看

记得点收藏

COMP1531 project

COPM1531 project 大作业简介

week7 due,这个作业是写一个后端的聊天网站,涉及软件开发的大部分流程,包括需求分析,后端功能实现,以及部署前后端。工作量较大,但是难度不高,所以找一个好的队友非常重要。

作业简析

第一部分

第一部分是需求分析,包括分析User story,软件需求,具体功能,软件设计图,测试等。需要较强的计划性,是给后面部分作业的一个准备。

第二部分

第二部分是代码的,具体实现。一共有20个方程,包括用户的注册,聊天群的建立,聊天记录的管理等。在这里面数据结构要设计好,每个人要清楚自己做什么,以及对整个软件架构的理解。还需要通过第一部分写的测试,来验证自己的软件是否达到要求。

第三部分

主要涉及后端跟前端的连接,需要熟悉python中Flask的架构,以及Http1.1的不同请求类型。这部分不是很难一个人就可以搞定。最后还涉及每周meeting的记录,工作量较大。

总结

整体来说不是很难,主要是需要细致的了解需求,保证不会出错。还需要对其他人部分有一个了解,对整个软件有一个宏观的了解,从而更好的合作。找到好的队友,往往能起到事半功倍的作用。只要仔细做,拿HD问题不大

COMP9444 Assignment1

COPM9444 assignment1 作业简介

10月25日due,在本作业中,你需要为三个不同的任务实施和训练各种神经网络模型,并分析结果。一般性的建议是安装gpu版本的cuda并且稿个ipynb跑,会方便点。

作业简析

Part 1.

整个就是MINST任务的翻版。Pytorch官方的document里面有提供完整的可运行代码。这个作业实际上是斯坦福CV课的一个作业,或许可以直接找到答案。

1. torch.nn.linear + torch.log(torch.nn.softmax))好像是

2. 网络结构同上。confusion matrix pytorch中可以直接print。

3. 直接调用卷积模块即可。

4. 结论是卷积的效果更好。把不同参数的记录写report里即可。

Part 2.

1. 极坐标公式用到sin cos的时候记得用pytorch里面给的sin,cos函数。

2. 建议早点开始做,需要试验的时间可能比较久。

3. 与PArt 1, 1类似。照着网络结构做就可以了。

4. 同2.

Part 3.

1,2. 纯粹的运行+写report。

3. 手动输入下图中点的坐标让模型预测。可以做一些小的改动让他稳定

总结

Hello world程度的作业,没什么难度。迟开始做小心来不及弄出训练数据!

近期开课hot
logo

Follow Us

linkedinfacebooktwitterinstagramweiboyoutubebilibilitiktokxigua

We Accept

/image/layout/pay-paypal.png/image/layout/pay-visa.png/image/layout/pay-master-card.png/image/layout/pay-stripe.png/image/layout/pay-alipay.png

地址

Level 10b, 144 Edward Street, Brisbane CBD(Headquarter)
Level 8, 11 York st, Wynyard, Sydney CBD
Business Hub, 155 Waymouth St, Adelaide SA 5000

Disclaimer

footer-disclaimerfooter-disclaimer

JR Academy acknowledges Traditional Owners of Country throughout Australia and recognises the continuing connection to lands, waters and communities. We pay our respect to Aboriginal and Torres Strait Islander cultures; and to Elders past and present. Aboriginal and Torres Strait Islander peoples should be aware that this website may contain images or names of people who have since passed away.

匠人学院网站上的所有内容,包括课程材料、徽标和匠人学院网站上提供的信息,均受澳大利亚政府知识产权法的保护。严禁未经授权使用、销售、分发、复制或修改。违规行为可能会导致法律诉讼。通过访问我们的网站,您同意尊重我们的知识产权。 JR Academy Pty Ltd 保留所有权利,包括专利、商标和版权。任何侵权行为都将受到法律追究。查看用户协议

© 2017-2024 JR Academy Pty Ltd. All rights reserved.

ABN 26621887572