Pytorch学习笔记【6】：简单神经网络实现分类

最新推荐文章于 2022-12-13 22:14:04 发布

strong tyj

最新推荐文章于 2022-12-13 22:14:04 发布

阅读量473

点赞数 1

分类专栏： # Pytorch

本文链接：https://blog.csdn.net/qq_36499794/article/details/102996586

版权

这篇博客主要介绍了如何使用PyTorch构建一个简单的神经网络进行分类任务，详细注释解读了代码实现过程。

摘要由CSDN通过智能技术生成

注意看代码注释，所有的解析都写在代码注释里面了

1. 代码：

import torch
import torch.nn.functional as F
import matplotlib.pyplot as plt
from torch.autograd import Variable

"""
    torch.normal(means, std, out=None)
    参数:
        means (Tensor) – 均值
        std (Tensor) – 标准差
        out (Tensor) – 可选的输出张量
    返回一个张量，包含从给定参数means,std的离散正态分布中抽取随机数。 
    均值means是一个张量，包含每个输出元素相关的正态分布的均值。 
    std是一个张量，包含每个输出元素相关的正态分布的标准差。 
    均值和标准差的形状不须匹配，但每个张量的元素个数须相同。
    
"""
# 先生成数据,x0和X1实际上是二维的数据，有着每一个点（x,y）的信息，y0,y1是两种分类
n_data = torch.ones(100,2) # 这是二维，并且是100行2列
print(n_data)
x0 = torch.normal(2*n_data,1)
print(x0)
y0 = torch.zeros(100)  # 标注分类为0，这是1行100列。你自己输出来看一下就知道了
print(y0)
x1 = torch.normal(-2*n_data,1)
print(x1)
y1 = torch.ones(100)  # 标注分类为1。相当于哪个标注为1，哪个为真这样。
print(y1)

"""
torch.cat