本文主要针对Pandas处理数据之后,采用Pytorch处理数据的做法。
Pandas转torch
train=torch.tensor(train.values)#将pandas转torch
train=train.to(torch.float32)#将torch中的类型转化为float,因为有时pandas中格式不统一
构造多层神经网络
import torch
import torch.nn.functional as F
class Net(torch.nn.Module):
def __init__(self,n_features,n_hidden_1,n_hidden_2,n_output): #构造函数
#构造函数里面的三个参数分别为,输入,中间隐藏层处理,以及输出层
super(Net,self).__init__() #官方步骤
self.l1=torch.nn.Linear(n_features, n_hidden_1)
self.l2=torch.nn.Linear(n_hidden_1,n_hidden_2)
self.l3=torch.nn.Linear(n_hidden_2,n_output)
def forward(self,x): #搭建的第一个前层反馈神经网络 向前传递
x = F.relu(self.l1(x))# 激活函数,直接调用torch.nn.functional中集成好的Relu
x=F.relu(self.l2(x))
x = self.l3(x) #此行可预测也可以不预测
return x
net = Net(n_features,70,70,1)
optimizer = torc