- 博客(10)
- 收藏
- 关注
RSS订阅原创 PyTorch深度学习实践——基于GoogleNet网络实现的手写数字识别
import torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functionalimport torch.nn.functional as Fimport torch.optim as optimimport matplotlib.pyplot as pltbatch_size =64.
2021-09-10 01:13:54
511
原创 PyTorch深度学习实践——卷积神经网络
import torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as optimimport torchvisionimport matplotlib.pyplot as plt# prepare datasetbatc.
2021-09-08 21:02:47
177
原创 PyTorh深度学习实践——基于Minist手写数字识别
import torchfrom torchvision import transformsfrom torchvision import datasetsfrom torch.utils.data import DataLoaderimport torch.nn.functional as Fimport torch.optim as optim# prepare datasetbatch_size = 64transform = transforms.Compose([transf.
2021-09-05 19:20:50
214
原创 PyTorh深度学习实践——多维度特征输入
import torchimport matplotlib.pyplot as pltimport numpy as npimport osos.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE"xy = np.loadtxt('diabetes.csv',delimiter=',',dtype=np.float32)x_data = torch.from_numpy(xy[:,:-1])#print(x_data)y_data =torch.from_nu.
2021-09-03 19:12:04
300
原创 PyTorch深度学习实践——Logistic Regression
在本次学习中，学习到了大名鼎鼎的logistic回归，虽然说是一种回归模型，但是这个模型实际上是做分类问题，对于这种回归模型我们同样从三个方面来进行介绍，logistic回归是什么？为什么要采用logistics回归？如何实现losgistic回归模型？下面是对于logistic回归的总结：logistic回归是什么？为什么要采用logistics回归？ 在解释为什么需要采用logistics回归之前，我们先对分类与回归任务进行比较 在之前实现的线性回归模型中...
2021-09-01 19:49:03
688
原创 PyTorch深度学习实践——使用PyTorh实现线性模型
在本节的课程中，利用PyTorh实现了线性模型，总结如下：给出代码：import torchx_data = torch.tensor([[1.0],[2.0],[3.0]])y_data = torch.tensor([[2.0],[4.0],[6.0]])print(x_data.shape)class LinearModel(torch.nn.Module): def __init__(self): super(LinearModel,self).__init
2021-08-28 23:27:57
304
原创 PyTorch深度学习实践——对维度的认识
在本节的博客中将叙述，如何使用PyTorch实现线性回归以及整理对于输入输出维度的相关认识，总结如下：输入输出维度 在之前发布的博客《PyTorch深度学习实践——反向传播》中谈到了自己对于一个模型输入的维度认识：不同的维度类似于不同的属性，从不同的方向上来描述一个模型，使得模型愈加的丰满具体。 但这种理解太过于抽象，没有实际的理论依据，自己在没有引入向量和矩阵的相关概念来讨论维度也显得非常不严谨而且让人容易混淆，因此在使用PyTorch实现线性回归时...
2021-08-28 14:51:38
1225
2
原创 PyTorch深度学习实践——反向传播
总结： 在这一节的学习中，学习到反向传播相关知识，对于反向传播算法，同样也是通过三个方面来进行总结：反向传播算法是什么？为什么需要反向传播？如何实现反向传播？反向传播算法是什么？ 回顾之前学习的简易的线性模型，我们拿到相应的输入x，然后通过权重值w和x相乘得到对应的输出y_hat，最后通过真实值y与y_hat作损失，通过梯度下降或者穷举的方法找到loss的最小值，然后对w进行更新，将线性模型使用简单的神经网络(Neurn)表示得到以下图：然而我们知道，深度学习模型不都是简单...
2021-08-24 19:34:32
879
原创 PyTorch深度学习实践——梯度下降
B站学习传送门：刘二大人《PyTorch深度学习实践》附网址：https://www.bilibili.com/video/BV1Y7411d7Ys在初入深度学习坑时，我们经常会听到一个词语叫 ”梯度下降算法“，老实说，在没有学习这一章节我也对此毫无头绪，在学习玩之后，对此有了以下总结：对于一个问题而言，我们总可以提出三个问题：是什么？为什么？以及怎么样？对于梯度下降也是同样，以下总结从三个方面来解释：梯度下降是什么？ 简单来说就是一种寻找目标函数最小化的方法，它利用梯度信...
2021-08-22 12:55:55
735
原创 PyTorch深度学习实践——线性模型
学习总结： 初入深度学习，在B站上学习了线性模型，对于其中认识总结如下： 深度学习作为机器学习的一个分支，起源于生物神经科学，通过数学，工程学发展实现运用到了机器学习中，在机器学习中最重要的就是模型的构建，在我看来这个模型其实就是求得y=f(x)关系，给定一个输入，模型根据输入自动得到一个输出，这其实就是简单的AI 对于模型给定的输入可以是图片，例如输入一张猫或狗的图片，让模型根据根据输入判断是否是猫或者狗，也可以是房价信息，要求模型根据以往的输入对未来房价信息给定...
2021-08-21 22:13:07
280
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人