- 博客(10)
- 收藏
- 关注
原创 线性回归(MXNet gluon)
from mxnet import ndarray as ndfrom mxnet import autogradfrom mxnet import gluon# 1. 处理数据num_inputs = 2num_examples = 1000true_w = [2, -3.4]true_b = 4.2x = nd.random_normal(shape=(num_examples, num_inputs))y = true_w[0]*x[:, 0]+true_w[1]*x[:, .
2021-02-03 14:12:44 174
原创 卷积神经网络(多分类问题 pytorch)
# 手写数字识别 神经网络处理 高级处理import torchimport torch.nn as nn# 数据集处理from torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoader# 函数 激活函数等import torch.nn.functional as F# 优化器包import torch.optim as optim# .
2021-02-02 14:45:49 868 1
原创 多分类问题(卷积神经网络 pytorch)
# 手写数字识别 神经网络处理import torch# 数据集处理from torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoader# 函数 激活函数等import torch.nn.functional as F# 优化器包import torch.optim as optim# 分批batch_size = 64# 1. 数据处理.
2021-02-02 13:37:36 611
原创 多分类问题(手写数字 pytorch)
# 手写数字识别import torch# 数据集处理from torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoader# 函数 激活函数等import torch.nn.functional as F# 优化器包import torch.optim as optim# 分批batch_size = 64# 1. 数据处理transfo.
2021-02-02 10:50:35 328
原创 糖尿病预测(使用数据加载器 pytorch)
import torchfrom torch.utils.data import Datasetfrom torch.utils.data import DataLoaderimport numpy as np# 1. 数据处理class DiabetesDataset(Dataset): def __init__(self, file_path): xy = np.loadtxt(file_path, delimiter=',', dtype=np.float32).
2021-02-01 17:36:53 622 1
原创 糖尿病的预测(pytorch)
import numpy as npimport torch# 糖尿病预测研判# 1. 处理数据xy = np.loadtxt('diabetes.csv.gz', delimiter=',', dtype=np.float32)x_data = torch.from_numpy(xy[:, :-1])y_data = torch.from_numpy(xy[:, [-1]])# 2. 建立模型# 2. 设计模型 继承自torch.nn.Moduleclass Model(torch.
2021-02-01 17:02:16 1641
原创 逻辑回归(pytorch)
import torchvisionimport torchimport torch.nn.functional as F# 1. 准备数据集x_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[0], [0], [1]])# 2. 设计模型 继承自torch.nn.Moduleclass LinearModel(torch.nn.Module): def __init__(self): .
2021-02-01 15:59:37 138
原创 线性回归(pytorch)
import torch# 1. 准备数据集x_data = torch.Tensor([[1.0], [2.0], [3.0]])y_data = torch.Tensor([[2.0], [4.0], [6.0]])# 2. 设计模型 继承自torch.nn.Moduleclass LinearModel(torch.nn.Module): def __init__(self): super(LinearModel, self).__init__() .
2021-02-01 15:13:44 181
原创 梯度下降算法 - 反向传播(Pytorch)
import torch#数据集x_data = [1.0, 2.0, 3.0]y_data = [2.0, 4.0, 6.0]#创建张量w = torch.Tensor([1.0])#需要计算梯度w.requires_grad = Truedef forward(x): '''计算输出值''' return x * wdef loss(x, y): '''计算损失值''' y_pred = forward(x) return (y_pred.
2021-02-01 11:46:17 237 1
原创 梯度下降算法(python)
# 梯度下降算法x_data = [1.0, 2.0, 3.0]y_data = [1.5, 3.0, 4.5]#参数w = 1.0# 学习率lr = 0.01def forward(x): '''预测值''' return x*wdef cost(xs, ys): '''计算损失和''' cost = 0 for x, y in zip(xs, ys): y_pred = forward(x) cost +..
2021-02-01 10:37:52 268
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人