神经网络
文章平均质量分 74
韭菜盖饭
一名自学爪哇的小学生
展开
-
实现TensorBoard可视化网络的参数
最近在做神经网络相关的实验,为了方便神经网络参数是否变化,学习一下TensorBoard可视化网络的参数的方法,这里使用pytorch实现。原创 2023-12-11 19:54:42 · 138 阅读 · 0 评论 -
pytorch学习------TensorBoard的使用
建好一个神经网络,其实我们也不知道神经网络里头具体细节到底做了什么,要人工调试十分困难(就好比你无法想象出递归的所有步骤一样)。有了,可以将TensorFlow程序的执行步骤都显示出来,非常直观。并且,我们可以对训练的参数(比如loss值)进行统计,用图的方式来查看变化的趋势。可以用于记录训练数据、评估数据、网络结构、图像等,并且可以在web上展示,对于观察神经网络的过程非常有帮助。PyTorch也推出了自己的可视化工具,一个是包,一个是,二者的使用相差不大,这里介绍后者。原创 2023-10-09 22:34:07 · 631 阅读 · 0 评论 -
pytorch学习------实现文本情感分类
本案例主要是学习这种常用的文本向量化的方法现在我们有一个经典的数据集IMDB,这是一份包含了5万条流行电影的评论数据,其中训练集25000条,测试集25000条。数据格式如下:下图左边为名称,其中名称包含两部分,分别是序号和情感评分,(1-4为neg,5-10为pos),右边为评论内容根据上述的样本,需要使用pytorch完成模型,实现对评论情感进行预测。原创 2023-09-25 14:30:24 · 290 阅读 · 0 评论 -
pytorch学习------实现手写数字识别
黑白图片的通道数只有1,其中每个像素点的取值为[0,255],彩色图片的通道数为(R,G,B),每个通道的每个像素点的取值为[0,255],三个通道的颜色相互叠加,形成了各种颜色。,shape和图片的通道数相同(指的是每个通道的均值),方差:std,和图片的通道数相同(指的是每个通道的方差),将会把。如果mean(x)不是全部数据的mean的时候,std(y)也不是的时候,Normalize后的数据分布满足下面的关系。当mean为全部数据的均值,std为全部数据的std的时候,才是进行了标准化。原创 2023-09-24 10:06:33 · 134 阅读 · 0 评论 -
pytorch学习------数据集的使用方式
在深度学习中,数据量通常是都非常多,非常大的,如此大量的数据,不可能一次性的在模型中进行向前的计算和反向传播,经常我们会对整个数据进行随机的打乱顺序,把数据处理成一个个的batch,同时还会对数据进行预处理。所以,接下来我们来学习pytorch中的数据加载的方法。原创 2023-09-23 11:08:26 · 360 阅读 · 1 评论 -
pytorch学习------常见的优化算法
每次迭代都需要把所有样本都送入,这样的好处是每次迭代都顾及了全部的样本,做的是全局最优化,但是有可能达到局部最优。梯度下降:全局最优。原创 2023-09-22 20:19:19 · 136 阅读 · 0 评论 -
pytorch学习之实现代码在GPU上运行
当模型太大,或者参数太多的情况下,为了加快训练速度,经常会使用GPU来进行训练。2、把模型参数和input数据转化为cuda的支持类型。是深拷贝,data是取值,是浅拷贝。的效果和data的相似,但是。3、在GPU上计算结果也为。1、判断GPU是否可用。的数据类型,需要转化为。原创 2023-09-22 16:26:56 · 1441 阅读 · 0 评论 -
pytorch学习---实现线性回归初体验
假设我们的基础模型就是y = wx + b,其中w和b均为参数,我们使用y = 3x+0.8来构造数据x、y,所以最后通过模型应该能够得出w和b应该分别接近3和0.8。原创 2023-09-19 22:18:19 · 108 阅读 · 0 评论