code_bro的博客

本次实验练习使用torch.nn中的类设计一个循环神经网络进行MNIST图像分类。在本次实验中，你要设计一个CNN，用于将28×2828 \times 2828×28的MNIST图像转换为M×M×DM\times M\times DM×M×D的特征图，将该特征图看作是一个长度为M×MM\times MM×M的特征序列，序列中每一个特征向量的大小为DDD，然后使用RNN对该序列分类。1. 准备数据从torch.nn.Module派生一个子类CNN，表示一个卷积神经网络;用于将

本次实验练习使用torch.nn中的类设计一个卷积神经网络进行MNIST手写体数字图像分类。

本次实验练习使用torch.nn中的类设计一个多层感知机，并进行训练和测试。同时练习使用Dataset和Dataloader辅助Mini-Batch随机梯度下降法对模型进行训练。

1. 使用张量的自动求导计算一元函数的导数请按以下要求，使用张量编写代码，计算sigmoid函数的导数，并绘制曲线图。2. 使用torch.optim训练线性分类器编写一个softmax分类器模型，并用torch.optim训练下面的代码生成一个一组随机2维样本，包含了三个类别，每个类别有100个样本

本次实验中，练习PyTorch Tensor的操作。