PyTorch深度学习实践（二）线性模型

最新推荐文章于 2021-04-22 12:03:49 发布
最新推荐文章于 2021-04-22 12:03:49 发布
阅读量204 收藏 1
点赞数
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ningmengshuxiawo/article/details/108295831
版权

①准备数据集.
②模型选择设计
③训练（大部分模型都需要训练，KNN不需要训练（因为推理时间长，就看新的样本跟数据集里哪一个数据特征最接近，根据训练样本决定它的类别））
④应用推理
一般拿到数据集，我们将其分成两个部分，训练集和测试集

在这里插入图片描述过拟合：在训练集上误差很小，可能训练的时候模型把噪声也学习了
泛化：模型对没见过的图片也能很好地识别
开发集：比如比赛的时候我们不知道测试集的标签，就把训练集中的一部分提取出来做测试集
在这里插入图片描述在这里插入图片描述
这个损失函数是针对一个样本的 （预测值-真实值）的平方
针对整个数据集
在这里插入图片描述

模型训练可视化常用工具

Visdom是FaceBook开源的可视化工具包，使用Visdom库可以创建web服务，可以在代码里面进行绘图
往图里面添加新的点，想知道模型训练的怎么样了，就可以远程访问服务器上Visdom提供的web服务

在深度学习过程中记得对模型进行持久化存盘

此生辽阔
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Pytorch-pytorch深度学习教程之线性回归.zip
05-22
在PyTorch中，线性回归是一种基础但重要的机器学习模型，它被广泛用于预测问题。本教程将深入探讨如何使用...通过这个教程，你可以逐步掌握深度学习的核心概念，并为进一步探索复杂的深度学习模型打下坚实的基础。
pytorch深度学习入门与简明实战教程2022
10-05
2.深度学习基础与线性回归实例 3.pytorch张量 4.逻辑回归与多层感知机 5.多分类问题 6.手写数字全连接模型 7.基础部分总结 8.计算机视觉基础 9.预训练模型(迁移学习) 10.Dataset数据输入 11.现代网络架构 12.图像...
PyTorch 深度学习实践 第10讲
热门推荐
bit452的专栏
11-14 3万+
第9讲 卷积神经网络(基础篇)源代码 B站 刘二大人，传送门PyTorch深度学习实践——卷积神经网络(基础篇) 视频中截图： 说明 1、每一个卷积核它的通道数量要求和输入通道是一样的。这种卷积核的总数有多少个和你输出通道的数量是一样的。 2、卷积(convolution)后，C(Channels)变，W(width)和H(Height)可变可不变。subsampling(或pooling)后，C不变，W和H变。 3、卷积层：保留图像的空间信息。 代...
Pytorch 深度学习实践 第2讲
Jasonare的博客
03-14 206
一、线性模型 课程链接：Pytorch深度学习实践——线性模型 1、深度学习的步骤 DataSet：找到数据集 训练数据集：train dataset、验证数据集dev dataset（避免过拟合，提升泛化性能）、测试数据集：test dataset Model：模型的选择和设计 Training：训练 Infering：推理 2、线性模型(Linear Model)：y^=w∗x+b\hat{y}=w*x+by^​=w∗x+b 1、权重w、偏置b 取值随机化：random value
《PyTorch深度学习实践》--2线性模型
一只大鸽子的博客
04-22 187
对于以上一组数据x,y，为了预测接下来的x对应的y，我们选择一个模型。这里选择线性（Linear Model）模型 为了简化，下面的例子去掉了b. 为了评价模型，引入MSE import numpy as np import matplotlib.pyplot as plt x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] def forward(x): return x * w def loss(x,y): ...
【pytorch深度学习实践】笔记—02.线性模型
计算机科研杂货铺
08-29 773
深度学习训练步骤1.准备数据集2.定义模型3.定义损失函数4.训练模型（附整套代码） 1.准备数据集 在这里定义几组简单的训练集 x_data = [1.0, 2.0, 3.0] y_data = [2.0, 4.0, 6.0] 2.定义模型 使用最最最简单的线性模型y=wx来定义 def forward(x): return x * w 3.定义损失函数 loss=(y_pred-y)2 理解：y_pred是预测值， y是真实值（上面y_data中的2.0，4.0，6.0）。 利用预测值减去真
PyTorch 深度学习实践 第2讲 作业
IT_Blossom的博客
03-28 329
B站 刘二大人 链接https://www.bilibili.com/video/BV1Y7411d7Ys?p=3 代码如下 import numpy as np import matplotlib.pyplot as plt x_data = [1.0,2.0,3.0] y_data = [2.0,4.0,6.0] def forward(x): return x*w+b def loss(x,y): y_pred = forward(x) return (y_pre.
深度学习PyTorch极简入门PDF教程1
08-03
在PyTorch框架中，学习深度学习可以方便地构建、训练和优化这些复杂的神经网络模型。PyTorch提供了动态计算图功能，使得模型的构建更加灵活，调试和研究也更为便捷。通过本教程，你将逐步了解深度学习的基础知识，并...
深度学习框架pytorch入门与实践pdf书与代码.zip
最新发布
02-04
《深度学习框架PyTorch入门与实践》是一本旨在引导初学者和有一定基础的开发者深入理解并掌握PyTorch这一强大深度学习库的书籍。PyTorch是Facebook AI Research（FAIR）团队开发的一个开源机器学习框架，以其易用性...
卷积神经网络(CNN)
想握住此生辽阔
09-30 4034
Fukushima在感受野概念的基础之上提出了神经认知机的概念，可以看作是卷积神经网络的第一个实现网络 卷积神经网络(Convolutional Neural Networks, CNN)是多层感知机(MLP)的变种 感受野：视觉皮层的细胞存在一个复杂的构造。这些细胞对视觉输入空间的子区域非常敏感，我们称之为感受野 CNN由纽约大学的Yann LeCun于1998年提出。CNN本质上是一个多层感知机，其成功的原因关键在于它所采用的局部连接和共享权值的方式，一方面减少了的权值的数量使得网络易于优化，另一方面降
PyTorch深度学习实践（九）多分类问题-MNIST数据集
想握住此生辽阔
09-01 1642
多分类问题用SoftMax分类器 要求输出的分类概率都大于0且总和为1把输出经过sigmoid运算就可以 上图的交叉熵损失就包含了softmax计算和右边的标签输入计算（即框起来的部分） 所以在使用交叉熵损失的时候，神经网络的最后一层是不要做激活的，因为把它做成分布的激活是包含在交叉熵损失里面的，最后一层不要做非线性变换，直接交给交叉熵损失 如上图，做交叉熵损失时要求y是一个长整型的张量，构造时直接用criterion = torch.nn.CrossEntropyLoss() 3个类别，分别是2,0,1
win10+Anaconda离线安装tensorflow cpu版本
想握住此生辽阔
08-31 1638
安装Anaconda 查询python版本 以上两步请参考我的博文win10+Anaconda离线安装CPU版本的PyTorch 下载Tensorflow离线包 下载地址：https://pypi.org/project/tensorflow/#files 这是cpu版本的链接 Gpu版本链接：https://pypi.org/project/tensorflow-gpu/#history 在浏览器下实在太慢了，于是想到了迅雷下载，直接在迅雷里面输入下载地址 选择自己需要的版本，注意与python版本对应
PyTorch深度学习实践（十三）循环神经网络高级篇
想握住此生辽阔
10-24 1533
用RNN做一个分类器，现在有一个数据集，数据集里有人名和对应的国家，我们需要训练一个模型，输入一个新的名字，模型能预测出是基于哪种语言的（18种不同的语言，18分类）， 在自然语言处理中，通常先把词或字编程一个one-hot向量，one-hot向量维度高，而且过于稀疏，所以 一般来说呀先通过嵌入层（Embed）把one-hot向量转化成低维的稠密向量，然后经过RNN，隐层的输出不一定和最终要求的目标一致，所以要用一个线性层把输出映射成和我们的要求一致，我们的需求是输出名字所属的语言分类，我们对01-05这些
PyTorch深度学习实践（十二）循环神经网络基础篇
想握住此生辽阔
09-03 1189
对线性层的复用 Dense网络：稠密网络 RNN专门用来处理带有序列模式的数据，也使用权重共享减少需要训练的权重的数量 RNN Cell本质是一个线性层，把一个维度映射到另一个维度 循环神经网络的激活函数用的是tanh,因为tanh的取值在-1到+1之间 把RNN Cell以循环的方式把序列（x1,x2,…）一个一个送进去，然后依次算出隐藏层(h1,h2…)的过程,每一次算出来的h会作为下一个RNN Cell的输入，这就叫循环神经网络 把字符转成向量 ...
微表情识别代码解读
想握住此生辽阔
03-15 1010
str.format()方法的基本用法如下所示： >>> print 'We are the {} who say "{}!"'.format('knights', 'Ni') We are the knights who say "Ni!" 花括号及其中的字符（称为格式字段）将被替换为传递给str.format()方法的对象。括号中的数字指传递给str.format()方法的对象的位置。 >>> print '{0} and {1}'.format('spam', '
win10+Anaconda离线安装CPU版本的PyTorch
想握住此生辽阔
08-29 911
我也尝试过在线安装Pytorch,但是出现各种错误，于是找到一位老哥的离线安装方法 安装Anaconda 首先，我是先安装了Anaconda，Anaconda安装完也不用自己配环境变量啥的，就很好用，但是安装的时候要选择配置环境变量，就是这里了，一定要选添加环境变量 Anaconda详细安装及使用教程（带图文） 然后，就是下载pytorch离线包了，那么你需要知道自己的python版本，以及需要的pytorch版本 查询python版本 win+R 输入cmd 输入 python,如图，我的python版
深度学习初探（一）机器学习与深度学习
想握住此生辽阔
07-30 833
机器学习是一门通过让机器自动从数据中学习规则的研究学科 在机器学习中，有一门通过神经网络来学习复杂、抽象逻辑的方向，称为神经网络。 深层神经网络有了一个新名字，叫做深度学习，深度学习特指基于深层神经网络实现的模型或算法 机器学习可以分为有监督学习(Supervised Learning)、无监督学习(Unsupervised Learning)和强化学习(Reinforcement Learning)。 常见的有监督学习有线性回归，逻辑回归，支持向量机，随机森林等 常见的无监督学习算法有自编码器，生成对
PyTorch深度学习实践（七）处理多维特征的输入
想握住此生辽阔
08-31 804
单维：输入x是一个实数 多维输入：x有多个不同的特征，预测对应的分类 对于回归问题：输出值y是一个实数 对于分类问题：输出y属于一个离散的集合 对于下面这个数据集，在机器学习中每一行叫做一个样本，每一列叫做一个特征 在数据库中，每一行叫做一个记录，每一列叫做一个字段 在机器学习里面，拿到数据表之后，把内容分成两部分，一部分作为输入x，另一部分作为输入y 如果训练是从数据库读数据，就把x读出来构成一个矩阵，把y字段读出来构成一个矩阵，就把输入的数据集准备好了 如下图：Anaconda的安装目录下已经给我们准备
PyTorch深度学习实践（十）卷积神经网络基础篇
想握住此生辽阔
09-02 743
介绍 全连接网络：指的是网络里面用的都是线性层，如果一个网络全都由线性层串行连接起来，就叫做全连接网络 在线性层里面输入和每一个输出值之间都存在权重，即每一个输入节点都要参与到下一层输出节点的计算上，这样的线性层也叫全连接层 Fully Connected 卷积神经网络把图像按照原始的空间结构保存，能保留原始的空间信息 经过一个卷积层把12828的图像变成42424 使用下采样（subsampling）时，通道数不会改变，图像的宽度和高度会改变，下采样的目的是减少数据的数据量，减少特征图（Feature
周报：PyTorch深度学习实践，CNN与RNN模型探索
"20210410周报总结，周宣辰的工作进展，涉及线性模型，CNN，RNN模型以及Pytorch深度学习实践" 这篇周报总结记录了某位名叫周宣辰的同学在2021年4月10日那一周的IT学习与研究进展，主要集中在深度学习领域，特别是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值