PyTorch
文章平均质量分 69
komorebi6
这个作者很懒,什么都没留下…
展开
-
4.RNN与LSTM网络
RNN处理序列数据的神经网络(记住之前发生的事的能力)分析 Data0 的时候, 把分析结果存入记忆. 当分析 data1的时候, NN会产生新的记忆, 但是新记忆和老记忆是没有联系的. RNN把老记忆调用过来, 一起分析. 如果继续分析更多的有序数据 , RNN就会把之前的记忆都累积起来, 一起分析.RNN 运算完之后都会产生一个对于当前状态的描述 , state. (S( t)), 然后 RNN开始分析 x(t+1) , 他会根据 x(t+1)产生s(t+1), 但此时 y(t+1) 是原创 2021-09-09 21:07:16 · 150 阅读 · 0 评论 -
3.建立第一个神经网络
文章目录关系拟合(回归)建立数据集建立神经网络区分类型 (分类)关系拟合(回归)建立数据集创建一些假数据来模拟真实的情况. 比如一个一元二次函数: y = a * x^2 + b, 将 y 数据加上一点噪声来更加真实的展示它.#关系拟合(回归)import torchfrom torch.autograd import Variableimport torch.nn.function...原创 2020-02-12 10:34:38 · 278 阅读 · 0 评论 -
2.PyTorch 神经网络基础
Torch 或 Numpy1. 用 Numpy 还是 TorchTorch 自称为神经网络界的 Numpy, 因为他能将 torch 产生的 tensor 放在 GPU 中加速运算 (前提是有合适的 GPU), 就像 Numpy 会把 array 放在 CPU 中加速运算. 所以神经网络的话, 当然是用 Torch 的 tensor 形式数据最好.torch 做的和 numpy 能很好的兼容np_data = np.arange(6).reshape((2, 3))torch_data = torc原创 2021-09-09 14:36:01 · 97 阅读 · 0 评论 -
1.PyTorch 简介
神经网络(Neural Network) 所有神经元间的连接都是不可更换的,不能凭空产生新连接。比如:伸手吃糖动作。 准备非常多吃糖的学习数据,放入神经网络,糖的信号通过数据传递到手,对比手的动作是不是讨糖来修改神经元强度。(修改过程为误差反向传递 相当于将传过来的信号传回去),检查负责传递的神经元对于讨糖的动作有无贡献,让它反思修正。 也就是说人工神经网络通过正向和反向传播更新神经元形成更好的神经系统。 本质上, 是能让计算机处理和优化的数学模型梯度下降(Gradient Des原创 2021-08-23 23:26:14 · 147 阅读 · 0 评论