深度学习，实验1：实现单隐藏层网络

最新推荐文章于 2023-09-22 15:47:05 发布

无bug代码搬运工

最新推荐文章于 2023-09-22 15:47:05 发布

阅读量445

点赞数

分类专栏：深度学习文章标签：深度学习人工智能神经网络

本文链接：https://blog.csdn.net/DoKiDoK/article/details/127821670

版权

数据集：planar dataset
实验内容：使用Pytorch实现含有单隐藏层的神经网络（节点数、损失函数、学习率等超参数原实验），完成数据分类

准确率要求：80%+

输出：不要求画图，要求显示每轮训练中的Loss及准确率

导入相应的数据集

import numpy as np
import torch
from torch import nn

#planar_utils.py提供的加载数据集方法
from planar_utils import load_planar_dataset
#加载数据集
def load_planar_dataset():
    np.random.seed(1)
    m = 400  # number of examples
    N = int(m / 2)  # number of points per class
    D = 2  # dimensionality
    X = np.zeros((m, D))  # data matrix where each row is a single example
    Y = np.zeros((m, 1), dtype='uint8')  # labels vector (0 for red, 1 for blue)
    a = 4  # maximum ray of the flower

    for j in range(2):
        ix = range(N * j, N * (j + 1))
        t = np.linspace(j