Austin6035的博客

1. 图的表示图是由若干点及连接点的线组成，通常用于描述对象之间的特定关系。用点来表示不同的对象，点与点之间的连线称为边，表示对象之间的关系。图结构在表示社会关系、交通网络等问题中更具优势。图（Graph）的表示其中存在N个点（Vertex）和M个边（Edge），即图可以使用邻接矩阵来表示，例如下图左由5个点和8条边构成的图数据，图右为其对应邻接矩阵。（0表示不连接，1表示连接）2. PyTorch Geometric的图表示torch_geometric.data —.

一、理论知识如果第 层有 个神经元，第层有个神经元，那么权重矩阵有个参数。当和 都很大时，权重矩阵的参数非常多，训练效率会非常低。1. 卷积层卷积层的作用是提取一个局部区域的特征，不同的卷积核相当于不同的特征提取器。假设输入数据为M×M二维矩阵，经过N×N的卷积核变换后，得到(M-N+1)×(M-N+1)的特征矩阵。下图表示的是对二维矩阵样本数据进行卷积操作的演示2. 池化层池化层的作用是进行特征选择，降低特征数量，从而减少参数数量。常用的池...

1. 简单全连接神经网络的搭建class NeuralNet(nn.Module): def __init__(self, in_features, hidden_features, out_features): super(NeuralNet, self).__init__() self.layer1 = nn.Linear(in_features, hidden_features) self.layer2 = nn.Linear(hidden

1. 实现全连接神经网络搭建(第3节内容)2. 完成数据集下载(第6节内容)3. 完成数据集加载(第6节内容)

MNIST数据集（http://yann.lecun.com/exdb/mnist/）手写数字图片数据集，存在60000个训练样本，10000个测试样本。每个样本为一个28X28像素的图片。主要包含四个压缩文件： train-images-idx3-ubyte.gz 训练样本图片的原始数据 train-labels-idx1-ubyte.gz 训练样本图片对应的标签数据 t10k-images-idx3-ubyte.gz 测试样本图片的原始数据 t10

1. 数据通常用一个维向量来表示一个数据的所有特征向量，而数据标签通常用标量来表示。2. 数据集假设数据集存在个样本，记为数据集一般分为训练集和测试集。训练集中的样本用于模型训练，而测试集是用于检验模型好坏。3. 机器学习的关键在给定数据集上，我们希望计算机从一个函数集合中自动寻找一个“最优”的函数来近似每个样本的特征向量 和标签之间的真实映射。如何寻找这个“最优”的函数就是机器学习的关键。4. 机器学习的模型4.1 线性模型...

本文中所有代码的前提是调用PyTorch包import torch1. 张量的理解标量：0维张量，向量：1维张量，矩阵：2维张量。简单理解，张量是3维及以上的高维矩阵。2. PyTorch的张量创建2.1 列表类型转变为张量类型t = torch.tensor([1,2,3,4])2.2 PyTorch包内置方法创建torch.rand(l,m,n) # [l,m,n]维的向量，内部元素在[0,1]区间分布；torch.randn(l,m,n) # [l,m,n]维

一、理论知识1. 神经元（神经细胞）如图1所示，人脑中携带和传输信息的细胞，是人脑神经系统中的最基本单元。每个神经元上有成千上万的突触和其他神经元连接。图1. 神经元的结构 [https://commons.wikimedia.org/wiki/File:Neuron_Hand-tuned.svg]树突：可以接收刺激并将兴奋传入细胞体，每个神经元可以有一或多个树突；细胞体：神经细胞膜与相应的化学物质神经递质结合，产生相应的生理活动：兴奋或抑制；轴突：把自身的兴奋状态传递到另一个神

1. 进入Anaconda虚拟环境；2. PyTorch包安装（https://pytorch.org/get-started/locally/）选择你的安装版本（Stable 1.11.0），操作系统（Windows），安装工具包（Conda），脚本语言（Python），计算平台（CPU）（如使用GPU，请选择CUDA版本）后，在虚拟环境中执行Run this command中内容进行PyTorch包的安装conda install pytorch torchvision torchaudi

第一步：安装Anaconda(Anaconda | The World's Most Popular Data Science Platform)软件第二步：在开始菜单中找到Anaconda，打开Anaconda Prompt第三步：基于conda指令创建虚拟环境conda create -n your_env_name第四步：使用虚拟环境1. 激活虚拟环境conda activate your_env_name2. 退出虚拟环境conda deactivate3.