动手学深度学习pytorch版学习笔记
动手学深度学习pytorch版学习笔记
大大鹏I6
在读研究生
展开
-
【动手学深度学习pytorch版笔记NO.4】3.3 线性回归的简洁实现
3.3 线性回归的简洁实现介绍如何使用PyTorch更方便地实现线性回归的训练。3.3.1 生成数据集首先我们导入所需要的包import torchfrom torch import nnimport numpy as nptorch.manual_seed(1) #神经网络都需要初始化,设计随机初始化种子,能保证初始化每次都相同print(torch.__version__...原创 2020-04-08 18:47:31 · 423 阅读 · 0 评论 -
【动手学深度学习pytorch版笔记NO.3】3.2 线性回归的从零开始实现
3.2 线性回归的从零开始实现介绍如何只利用Tensor和autograd来实现一个线性回归的训练,来深入理解深度学习是如何工作的。首先,导入本节中实验所需的包或模块,其中的matplotlib包可用于作图,且设置成嵌入显示。%matplotlib inlineimport torchfrom IPython import displayfrom matplotlib import p...原创 2020-04-08 18:46:48 · 318 阅读 · 0 评论 -
【动手学深度学习pytorch版笔记NO.2】3.1线性回归
3.1 线性回归线性回归输出是个连续值,因此适用于回归问题。分类问题中模型的最终输出是一个离散值,。softmax回归则适用于分类问题。由于线性回归和softmax回归都是单层神经网络,它们涉及的概念和技术同样适用于大多数的深度学习模型。书中以线性回归为例,介绍大多数深度学习模型的基本要素和表示方法。3.1.1 线性回归的基本要素房屋价格预测作为例子来解释线性回归的基本要素。预测一栋房子的...原创 2020-04-08 18:45:44 · 214 阅读 · 0 评论 -
【动手学深度学习pytorch版笔记NO.1】2. 预备知识 数据操作+自动求梯度
2.2 数据操作在PyTorch中,torch.Tensor是存储和变换数据的主要工具。Tensor和NumPy的多维数组非常类似。然而,Tensor提供GPU计算和自动求梯度等更多功能,这些使Tensor更加适合深度学习。"tensor"这个单词一般可译作“张量”,张量可以看作是一个多维数组。标量可以看作是0维张量,向量可以看作1维张量,矩阵可以看作是二维张量。2.2.1 创建Tens...原创 2020-04-08 18:43:55 · 480 阅读 · 0 评论