任务1:PyTorch张量计算与Numpy的转换
任务2:梯度计算和梯度下降过程
- 使用numpy创建一个y=10*x+b+noise(0,1)的数据,其中x是0到100的范围,以0.01进行等差数列
- 使用pytroch定义w和b,并使用随机梯度下降,完成回归拟合。
任务3:PyTorch全连接层原理和使用
- 步骤2:在pytorch中使用矩阵乘法实现全连接层
- 步骤3:在pytorch中使用nn.Linear层
任务4:PyTorch激活函数原理和使用
- 步骤2:在pytorch中手动实现上述激活函数
任务5:PyTorch卷积层原理和使用
- 步骤2:计算下如下卷积层的参数量
Python
nn.Conv2d(
in_channels=1,
out_channels=32,
kernel_size=5,
stride=1,
padding=2
)
参数量=5*5*32*1+32
任务6:PyTorch常见的损失函数和优化器使用
- 步骤3:设置不同的优化器和学习率,重复任务2的回归过程
- 损失函数MSE、优化器SGD、学习率0.1
- 损失函数MSE、优化器SGD、学习率0.5
- 损失函数MSE、优化器SGD、学习率0.01
任务7:PyTorch池化层和归一化层
- 步骤1:使用pytroch代码实现2d pool中的mean-pooling、max-pooling