![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Pytorch
一郭不够吃
早睡早起
展开
-
Pytorch实践----09.多分类问题
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站视频 import torch from torchvision import transforms from torchvision import datasets from torch.utils.data import DataLoader import torch.nn as nn import torch.nn.functional as F import torch.optim as optim batch_size = 64 tr原创 2022-02-11 21:42:50 · 80 阅读 · 0 评论 -
Pytorch实践----09.Softmax_Classifier多分类问题
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站视频 import torch from torchvision import transforms from torchvision import datasets from torch.utils.data import DataLoader import torch.nn as nn import torch.nn.functional as F import torch.optim as optim batch_size = 64 tr原创 2022-02-11 21:36:13 · 264 阅读 · 0 评论 -
Pytorch实践----08.加载数据集
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站视频 import torch import torch.nn as nn import torch.nn.functional as F import numpy as np from torch.utils.data import Dataset from torch.utils.data import DataLoader class DiabetesDataset(Dataset): def __init__(self, fi原创 2022-02-11 21:33:05 · 96 阅读 · 0 评论 -
Pytorch实践----07.处理多维特征的输入
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站视频 问题: 每一层都有非线性操作,层越多,学习能力理论上是越强的,但是很可能也学习到了噪声,过拟合问题突出 import torch import torch.nn as nn import torch.nn.functional as F import numpy as np xy = np.loadtxt('diabetes.csv.gz', delimiter=',', dtype=np.float32) x_data = torch.f原创 2022-02-11 21:30:49 · 462 阅读 · 0 评论 -
Pytorch实践----06.Logistic Regression逻辑斯蒂回归
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站视频 逻辑斯蒂回归虽然叫和回归,但其实是为了解决分类问题 import torch import torch.nn as nn import torch.nn.functional as F x_data = torch.Tensor([[1.0], [2.0], [3.0]]) y_data = torch.Tensor([[0], [0], [1]]) class LogistRegressionModel(nn.Module):原创 2022-02-11 21:19:42 · 444 阅读 · 0 评论 -
Pytorch实践----05.Linear Regression with Pytorch
学习 刘二大人《PyTorch深度学习实践》 B站视频:B站视频 问题: 1.数据准备阶段 要注意数据的维度 2.设计模型 Design model using Class! 3.构造Loss函数和优化函数 4.重复训练 import torch import torch.nn as nn x_data = torch.Tensor([[1.0], [2.0], [3.0]]) y_data = torch.Tensor([[2.0], [4.0], [6.0]]) # 构造模型的时候把其构造为一个类原创 2022-02-11 20:58:10 · 364 阅读 · 0 评论 -
Pytorch实践----04Back Propagation反向传播
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站链接 问题1:通过损失的计算对权重进行更新,对于复杂的网络应当怎么去做呢? 通过前馈和反向传播 问题2:在每一层结束引入非线性变换函数的意义是? 为了提高模型的复杂度和泛化程度 import torch x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] w = torch.Tensor([1.0]) w.requires_grad = True def forward(x): ret原创 2022-02-11 20:42:56 · 248 阅读 · 0 评论 -
Pytorch实践----03Gradient Descent梯度下降
学习 刘二大人《PyTorch深度学习实践》 B站地址:B站地址 问题 基于上文,提出优化问题,如何找到损失最小的点呢?因此提出了,梯度下降算法。 在深度学习中,局部最优较少,难以克服的是鞍点问题,即鞍点处梯度为0,自动消失。 做法 准备训练集 设置初始权重猜测 求y_pred 将数据集拿进去,算cost 求梯度 做更新 x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] w = 1.0 def forward(x): return x *原创 2022-02-11 17:30:49 · 428 阅读 · 0 评论 -
Pytorch实践----02Linear Model线性模型
学习 刘二大人《PyTorch深度学习实践》 B站地址 本周最重要的收获是在自己完成了从系统架构到测试架构,数据读取,损失函数整个过程的实践。对于深度学习的理解更加深入。读懂别人的网络结构并不难,难在自己在设计模型时网络的设计,细节的处理,细化到数据读取,损失的处理等。 第一章:线性模型 步骤: 准备Dataset 进行模型的选择 进行训练Training inferring 问题: 只有训练集的话,在测试之前想知道训练集性能如何该如何做呢? x,y是满足联合分布D(x, y),但是我们选取的数据集(x,原创 2022-02-11 17:10:44 · 1630 阅读 · 0 评论